排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
受气动光学效应的影响,来自目标的光波波前会产生动态扰动,导致成像模糊化。常用的校正方法是在测得波前的前提下进行解卷积处理,达到还原图像的效果。传统的波前传感器只能有效测量中心视场,由于存在非等晕问题,导致所能还原的图像区域过小。光场相机波前传感器作为一种新型波前传感器,具有视场大、动态范围大的优点,可以同时探测模糊图像不同区域的点扩散函数,从而一次性还原整幅图像。文章利用Matlab模拟了光场相机的大视场波前探测特性,对气动光学效应引起的模糊图像进行清晰化处理,并与夏克-哈特曼传感器的模拟结果进行了比较。结果表明,光场相机波前传感器可以对气动光学效应造成的波前扰动进行有效的大视场波前探测,一次探测能够清晰化整个视场的图像,且视场范围是传统波前传感器的数倍以上。 相似文献
2.
基于嵌入式平台对深度神经网络轻量化的需求,结合模块化、逐层处理思想,以主流检测识别深度神经网络Faster RCNN轻量化为目标,设计基于深度稀疏低秩分解的轻量化方法.针对Faster RCNN网络架构特点,首先采用深度可分离卷积和稀疏低秩理论对Faster RCNN网络的特征提取主干网络部分进行初始轻量化;其次采用稀疏低秩裁剪对主干网络进行“逐层通道裁剪,逐层重训练,逐层调优”轻量化,采用张量Tensor-Train分解理论,对区域建议网络进行轻量化处理,尽可能保证低性能损失;再次对识别与分类网络进行稀疏低秩分解和通道裁剪,增加模型压缩倍数,减少所需要和所消耗计算资源;最后,基于感兴趣区域定位感知的RPN网络输入特征知识蒸馏,提升检测识别性能.数值实验表明,所提出方法可以实现模型压缩100倍,检测识别率仅下降5%. 相似文献
1