首页> 中国专利> 一种基于深层卷积神经网络的高效率相位展开方法

一种基于深层卷积神经网络的高效率相位展开方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明提供了一种基于深层卷积神经网络的高效率相位展开方法。该方法包括以下步骤：步骤1：通过软件仿真获取包裹相位和相位包裹次数的数据，并由此建立训练样本数据库；步骤2：利用卷积层、池化层、批归一化、激活函数ReLu、上采样层和Softmax分类器，构建带有残差通路的深层卷积神经网络；步骤3：将步骤1获取的数据集预处理，预处理后的图像作为训练数据，训练深层卷积神经网络模型，得到网络模型参数；步骤4：输入待展开的包裹相位，利用步骤3中的卷积神经网络模型，展开包裹相位并将其可视化。本发明解决了样本数据库的构建问题，在保证测量效率的前提下，实现了高精度的相位展开。

著录项

公开/公告号CN110210119A

专利类型发明专利
公开/公告日2019-09-06

原文格式PDF
申请/专利权人东南大学;
展开▼

申请/专利号CN201910467171.8
发明设计人王辰星;汪懋荣;
展开▼

申请日2019-05-30
分类号G06F17/50(20060101);G06T17/00(20060101);G06K9/62(20060101);G06N3/04(20060101);
代理机构32206 南京众联专利代理有限公司;
代理人许小莉
地址 210096 江苏省南京市玄武区四牌楼2号
入库时间 2024-02-19 13:58:35

法律信息

法律状态公告日

法律状态信息

法律状态
2019-10-08

实质审查的生效 IPC(主分类):G06F17/50 申请日:20190530

实质审查的生效
2019-09-06

公开

公开

相似文献

专利
中文文献
外文文献

1. 一种基于深层卷积神经网络的高效率相位展开方法 [P] . 中国专利： CN110210119A . 2019-09-06
2. 一种基于深层卷积神经网络的铸件表面缺陷识别方法 [P] . 中国专利： CN111223088A . 2020-06-02
3. DEEP CONVOLUTIONAL NEURAL NETWORK ARCHITECTURE AND SYSTEM AND METHOD FOR BUILDING THE DEEP CONVOLUTIONAL NEURAL NETWORK ARCHITECTURE [P] . 美国专利： US2019236440A1 . 2019-08-01

机译：深层卷积神经网络体系结构以及深层卷积神经网络体系结构的系统和方法
4. DEEP CONVOLUTIONAL NEURAL NETWORK ARCHITECTURE AND SYSTEM AND METHOD FOR BUILDING THE DEEP CONVOLUTIONAL NEURAL NETWORK ARCHITECTURE [P] . CA3032188A1 . 2019-07-31

机译：深层卷积神经网络体系结构以及深层卷积神经网络体系结构的系统和方法
5. METHOD FOR GENERATING KOREAN SPEECH SYNTHESIZER MODEL BASED ON SEQUENCE-TO-SEQUENCE DEEP CONVOLUTIONAL NEURAL NETWORK AI [P] . 韩国专利： KR20200075064A . 2020-06-26

机译：基于序列到序列深层卷积神经网络AI的韩国语音合成器模型的生成方法