光和电子是探测微观世界的常用手法,但是光束的问题在于,强光会破坏物质,弱光又无法产生高清晰度图像。一项新研究提出了新算法,降低低分辨率图像的颗粒度,并揭示隐藏在噪声中的细节。
研究于1月25日发表在《自然-机器智能》上,标题为“Global voxel transformer networks for augmented microscopy”(用于增强显微术的全局体素变换网络),通讯作者为德克萨斯农工大学计算机科学与工程系的Shuiwang Ji。
在基于传统深度学习算法的图像处理技术中,层之间的数目和网络限定了,输入图像中有多少像素对输出图像中单个像素的值有贡献。研究提出的新算法,可以动态改变感受野的大小。换句话说,这种被称为全局体素变换网络(GVTNets)的新算法,可以在需要时从更大的图像区域聚合信息。
译/前瞻经济学人APP资讯组
本文来源前瞻网,转载请注明来源。本文内容仅代表作者个人观点,本站只提供参考并不构成任何投资及应用建议。(若存在内容、版权或其它问题,请联系:service@qianzhan.com)