CalibFPA：一种基于在线深度学习校准的焦平面阵列成像系统
原文中文，约300字，阅读约需1分钟。发表于：。本研究提出了一种基于在线深度学习校准的压缩焦平面阵列系统，通过校准低分辨率传感器上的多路复用低分辨图像测量，利用深度神经网络校正系统的非理想因素，然后使用深度插入式算法从校正图像测量中重建图像。通过模拟和实验数据集的验证，证明了该方法在压缩焦平面阵列中优于现有技术，并报告了对 CalibFPA 中设计要素的分析和计算复杂性评估。
本研究提出了一种基于在线深度学习校准的压缩焦平面阵列系统，通过校准低分辨率传感器上的多路复用低分辨图像测量，利用深度神经网络校正系统的非理想因素，然后使用深度插入式算法从校正图像测量中重建图像。该方法在压缩焦平面阵列中优于现有技术，并报告了对 CalibFPA 中设计要素的分析和计算复杂性评估。
