光学学报, 2020, 40 (1): 0111003, 网络出版: 2020-01-06   

深度学习下的计算成像:现状、挑战与未来 下载: 11289次特邀综述

Deep Learning Based Computational Imaging: Status, Challenges, and Future
左超 1,2冯世杰 1,2张翔宇 1,2韩静 2陈钱 2,*
作者单位
1 南京理工大学电子工程与光电技术学院,智能计算成像实验室(SCILab), 江苏 南京 210094
2 南京理工大学江苏省光谱成像与智能感知重点实验室, 江苏 南京 210094
基本信息
DOI: 10.3788/AOS202040.0111003
中图分类号: O436
栏目: “计算光学成像“专题
项目基金: 国家自然科学基金、总装“十三五”装备预研项目、总装“十三五”领域基金、国防科技项目基金、江苏省杰出青年基金、江苏省重点研发计划、江苏省“333工程”科研项目资助计划、江苏省光谱成像与智能感知重点实验室开放基金(3091801410411)
收稿日期: 2019-11-06
修改稿日期: 2019-11-22
网络出版日期: 2020-01-06
通讯作者: 陈钱 (chenqian@njust.edu.cn)
备注: --

左超, 冯世杰, 张翔宇, 韩静, 陈钱. 深度学习下的计算成像:现状、挑战与未来[J]. 光学学报, 2020, 40(1): 0111003. Chao Zuo, Shijie Feng, Xiangyu Zhang, Jing Han, Chen Qian. Deep Learning Based Computational Imaging: Status, Challenges, and Future[J]. Acta Optica Sinica, 2020, 40(1): 0111003.

本文已被 35 篇论文引用
被引统计数据来源于中国光学期刊网
引用该论文: TXT   |   EndNote

相关论文

加载中...

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!