本发明提供一种基于残差网络的干涉图识别方法,包括以下步骤:以干涉图作为数据集,包括训练集和测试集;利用深度学习框架搭建残差神经网络,确定残差网络的初始化参数和训练策略,基于训练集进行训练,优化网络参数并通过测试集进行验证;改变载波条纹空间频率和可见度,通过对比实验分析得出载波条纹空间频率的变化是影响残差网络模型对干涉图识别的显著因素,向训练集中添加多种条纹空间频率的干涉图,用优化后的数据集训练神经网络,得到优化后残差网络模型;采用优化后残差网络模型进行相位体干涉图识别。本发明实现了相位体形态结构的无损免标记高效自动识别,以期节省计算资源和时间,提高样品定量相位分析的效率。
声明:
“基于残差网络的相位体干涉图识别方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)