Y-Net: a one-to-two deep learning framework for digital holographic reconstruction
Y-Net: a one-to-two deep learning framework for digital holographic reconstruction
复制标题
Y-Net：用于数字全息重建的一对二深度学习框架
DOI：
10.1364/ol.44.004765
复制
发表时间：
2019-10-01
期刊：
影响因子：
3.6
通讯作者：
Zhao, Jianlin
中科院分区：
文献类型：
--
作者：
Wang, Kaiqiang;Dou, Jiazhen;Zhao, Jianlin
在这封信中，我们首次提出了一种基于一对二深度学习框架的数字全息重建方法(Y-Net)。Y-Net完全符合全息重建过程，可以从单个数字全息图同时重建强度和相位信息。因此，这种参数更少的紧凑型网络比典型的网络变体具有更高的性能。对小鼠吞噬细胞的实验结果证明了所提出的Y网络的优越性。(C)2019年美国光学学会
In this Letter, for the first time, to the best of our knowledge, we propose a digital holographic reconstruction method with a one-to-two deep learning framework (Y-Net). Perfectly fitting the holographic reconstruction process, the Y-Net can simultaneously reconstruct intensity and phase information from a single digital hologram. As a result, this compact network with reduced parameters brings higher performance than typical network variants. The experimental results of the mouse phagocytes demonstrate the advantages of the proposed Y-Net. (C) 2019 Optical Society of America