公开(公告)号：CN111595737A

公开(公告)日：2020-08-28

申请号：CN202010414742.4

申请日：2020-05-15

Applicant: 厦门大学

Inventor： 包立君 ,  赵秋阳

IPC: G01N15/02 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于三维分支网络的全息粒子场颗粒检测方法。网络分为主网络和辅助网络，结构包括用于学习数据特征的编码器和用于对特征进行重组的解码器。卷积层采用三种不同尺寸的三维卷积核并行计算，以适应不同尺寸的颗粒点。主网络结合残差网络构建深度卷积神经网络；辅助网络共享主网络部分特征图，拥有更小的网络深度。主网络和辅助网络使用不同数据分步训练，使其可以分别处理不同特征的颗粒点。本发明通过三维分支卷积网络，在全息粒子场数据质量较差时，也能完成对颗粒点的检测和分割，确定其空间坐标和聚焦层，并同时得到颗粒点形状尺寸等信息。

公开(公告)号：CN111595737B

公开(公告)日：2021-03-23

申请号：CN202010414742.4

申请日：2020-05-15

Applicant: 厦门大学

Inventor： 包立君 ,  赵秋阳

IPC: G01N15/02 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于三维分支网络的光学全息粒子场颗粒点检测方法。网络分为主网络和辅助网络，结构包括用于学习数据特征的编码器和用于对特征进行重组的解码器。卷积层采用三种不同尺寸的三维卷积核并行计算，以适应不同尺寸的颗粒点。主网络结合残差网络构建深度卷积神经网络；辅助网络共享主网络部分特征图，拥有更小的网络深度。主网络和辅助网络使用不同数据分步训练，使其可以分别处理不同特征的颗粒点。本发明通过三维分支卷积网络，在全息粒子场数据质量较差时，也能完成对颗粒点的检测和分割，确定其空间坐标和聚焦层，并同时得到颗粒点形状尺寸等信息。