文献

J-GLOBAL ID：202102223267953149   整理番号：21A0067210

ディジタルホログラフィー干渉法を用いた物体の3D表面プロファイリングのための深層学習フレームワーク【JST・京大機械翻訳】

A Deep Learning Framework for 3D Surface Profiling of the Objects Using Digital Holographic Interferometry

著者 (2件)： Krishna Sumanth V (Indian Institute of Technology,Department of Electrical Engineering,Tirupati,India) ,  Gorthi Rama Krishna Sai Subrahmanyam (Indian Institute of Technology,Department of Electrical Engineering,Tirupati,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIP  ページ： 2656-2660  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ディジタルホログラフィー干渉法(DHI)における位相再構成は物体表面の3D変形測定に広く用いられている。DHIにおける位相再構成における重要課題は,雑音のある再構成干渉縞からの絶対位相の推定にある。本論文では,DHIにおける雑音干渉縞からの位相推定のための新しい効率的な深層学習アプローチを提案した。提案手法は,入力として雑音のある再構成干渉縞を取り上げ,出力として3D変形場または物体表面プロファイルを推定する。オブジェクトの3D変形場測定を,アークタン関数を通して再構成された干渉縞から得ることができる,雑音のある包まれた位相からの絶対位相推定として提起した。提案した深層ニューラルネットワークを訓練して,雑音のある包まれた位相から完全畳込み意味セグメンテーションネットワークを通してフリンジ次数を予測した。これらの予測は,物体変形場に対応する真の位相と予測したフリンジ次数を考慮した絶対位相の間の回帰誤差を同時に最小化することによって改善される。著者らは,著者らの方法を,最近の最先端の深層学習位相アンラッピング法と同様に,従来法と比較した。提案手法は,大きなマージンによる従来のアプローチよりも性能が優れているが,最近提案された深層学習ベースの位相アンラッピング法に関しても,0dBから-5dBの高い雑音の存在下でも,大幅な改善を観測できる。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  畳込み ,  干渉縞 ,  再構成 ,  *ホログラフィー干渉法 ,  位相 ,  ディジタル方式 ,  *三次元 ,  位相回復
準シソーラス用語： 位相アンラッピング ,  位相推定 ,  プロファイリング ,  *深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： ディジタル ,  ホログラフィー干渉法 ,  物体 ,  3D ,  プロファイリング ,  深層学習 ,  フレームワーク