摘要
本发明公开了一种针对扩展目标的智能波前复原算法全流程加速方法,涉及波前复原领域,包括如下步骤:步骤S110:获取扩展目标夏克‑哈特曼图像,并对扩展目标夏克‑哈特曼图像的预处理过程进行加速,预处理过程指的是提取特征图像;步骤S120:将扩展目标夏克‑哈特曼图像按子孔径分为小块并沿通道维度堆叠,构成高纬度的张量作为轻量化神经网络的输入;构建轻量化神经网络,用于获得特征图像和泽尼克系数的映射关系;步骤S130:对轻量化神经网络使用深度学习推理框架,并使用量化对轻量化神经网络进行压缩。该方法包含了智能波前复原算法的整体流程,通过各阶段的优化,保证所设计的轻量化网络可以增强关键特征提取。
技术关键词
轻量化神经网络
复原算法
图像
傅立叶
量化误差
对比度
校准器
框架
通道
分块
关系
重构
基准
像素
因子
核心
数值
阶段
动态
程序
系统为您推荐了相关专利信息
多源异构数据
深度学习分类模型
社区发现算法
归因
网络结构特征
线缺陷检测
线状缺陷
RANSAC算法
缺陷检测方法
缺陷检测系统
建筑裂缝检测方法
图像处理
语义
裂缝自动识别
全新混凝土
数据集构建方法
多模态交互
数学
输入命令
知识点