摘要
阐述一个基于Stripformer改进的深度学习模型,用于提升延展源图像的重建质量。模型新增特征提取、注意力机制和残差连接,由SKA低频阵列进行模拟,并用RMSE、PSNR和SSIM三个指标比较。结果表明,模型在重建精确性上表现更好。
This paper describes an improved deep learning model based on Stripformer for enhancing the reconstruction quality of extended source images.The model adds feature extraction,attention mechanism,and residual connection,simulated by SKA low-frequency array,and compared using three indicators:RMSE,PSNR,and SSIM.The results indicate that the model performs better in terms of reconstruction accuracy.
作者
赵寒琼
苏晓宇
项兆佳
徐振刚
汪冠骅
张利
ZHAO Hanqiong;SU Xiaoyu;XIANG Zhaojia;XU Zhengang;WANG Guanhua;ZHANG Li(School of Big Data and Information Engineering,Guizhou University,Guizhou 550025,China)
出处
《集成电路应用》
2024年第11期84-85,共2页
Application of IC
关键词
深度学习
图像重建
射电天文图像
deep learning
image reconstruction
radio astronomy images
作者简介
赵寒琼,贵州大学大数据与信息工程学院,研究方向:大数据与信息技术应用。
