原创力文档- 1、本文档共8页，其中可免费阅读7页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种深度学习全在焦显微图像获取方法，包括如下步骤：1)在显微切片的每个视场位置通过调节物镜轴向位置，采集明场图像堆栈；2)根据所述明场图像堆栈获取对应视场的全在焦图像，以及所述明场图像堆栈中每张图像对应的深度矩阵；3)使用获取的训练数据进行深度学习网络模型训练，在训练过程的每个epoch，计算损失函数时，添加基于物理模型反馈部分。在完成网络训练后，通过采集一张明场图像可以快速准确地获取全在焦图像。通过在深度学习模型训练过程中加入物理反馈，增加了深度学习模型的准确性和泛化性。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112633248 A
(43)申请公布日 2021.04.09
(21)申请号 202110005660.9
(22)申请日 2021.01.05
(71)申请人 清华大学深圳国际研究生院
文档评论（0）