深度学习超采样扫描透射电子显微镜

深度学习超采样扫描透射电子显微镜
杰弗里·埃德
（于2019年10月23日提交）
压缩传感可以提高分辨率，并减少电子剂量和电子显微镜点扫描系统的扫描时间，而信息损失最少。基于在压缩感测中成功进行深度学习应用的历史，我们开发了一个两阶段多尺度生成对抗网络来超采样扫描透射电子显微照片，其点扫描覆盖率降低到1 / 16、1 / 25，...，1 / 100像素。我们提出了一种新颖的非对抗性学习策略来训练用于多个覆盖范围的统一生成器，并引入一个辅助网络来均匀化具有变化信噪比的训练数据的优先级。这样，在1/16像素和1/100像素覆盖率下，均方根误差分别为3.23％和4.54％。对于每个覆盖范围单独训练的网络，误差在1％以内。为统一和单独的覆盖范围生成器提供了详细的误差分布，包括每个输出像素的误差。此外，我们为单个覆盖范围提供了一个基准的一级网络，并研究了网络服务的数值精度。源代码，训练数据和预训练模型可在以下位置公开获得这个https URL
评论：    19页，21位数字，3个表
主题：    图像和视频处理（eess.IV）；材料科学（cond-mat.mtrl-sci）; 计算机视觉和模式识别（cs.CV）
引用为：    arXiv：1910.10467 [eess.IV]