基于GAUNet的深度學習相位解纏方法

摘要： 提出了一種基于全局注意力上采樣網(wǎng)絡(luò)的相位解纏方法。首先，結(jié)合全局注意力上采樣機制和PU-M-Net,對不同噪聲量級的干涉圖進行解纏。其中，全局注意力上采樣機制有效利用高級特征信息為低級特征圖提供加權(quán)指導以減少高級特征與低級特征之間語義條紋信息的差距；PU-M-Net所采用的跳躍連接促進了相位細節(jié)信息和語義條紋信息的有效融合。其次，利用噪聲量級評估系統(tǒng)對干涉圖進行噪聲等級劃分，構(gòu)...