摘要
本发明涉及一种基于交互自蒸馏与结构重参数化的相位解包裹方法,包括:构建梯度分割模型,在语义分割网络中添加交互自蒸馏机制;采用Repvgg模块作为网络的基本模块;网络末端的分割器采用集成架构强分割器;损失函数采用加权交叉熵损失和加权均方误差损失;采用自适应增强策略,将梯度分割模型在预先构造的数据集上进行训练,得到包裹计数梯度预测模型;将当前包裹相位图输入该模型,输出得到对应的横向和纵向的包裹计数梯度,再通过基于离散余弦变化的最小二乘方法得到包裹计数图,将包裹计数乘2π后与包裹相位图相加得到展开相位。与现有技术相比,本发明能够实现端到端的跨分辨率相位展开,能够对不同分辨率图像进行高精度且稳定的相位解包裹。
技术关键词
相位解包裹方法
分割器
包裹相位
蒸馏
解码器
编码器
语义分割网络
分支
泊松方程
离散余弦
Softmax函数
错误率
样本
标签
参数化技术
双向注意力
分类正确率
系统为您推荐了相关专利信息
设备运行状态信息
工业设备
自主决策方法
多光谱
网络架构
自动采集方法
异常数据
报文
重建误差
车载电池管理系统
医学图像分割方法
边缘先验
边缘检测算子
标签
图像编码器