今天看到了一篇风格迥异的基于CNN的FPM重建恢复算法文章,跟通常的深度学习恢复图像算法思路不同,像套着CNN外壳的传统相位恢复算法,跟大家分享这篇文章,共同品读。
论文:S. Jiang, K. Guo, J. Liu, and G. Zheng, Solving Fourier ptychographic imaging problems via neural network modeling and TensorFlow.
首先我们看一般基于CNN的图像恢复算法的思路:
输入是捕获图像,CNN预测输出跟ground truth对比计算误差,反向传播迭代,直到误差达到设定阈值。这也是我们通常做深度学习的套路,利用深度神经网络学习“规则”,“规则”就是训练好的网络及网络权重。
这篇论文反其道而行之,在网络结构上利用先验知识指定了“规则”