Publication

Predicting optical transmission through complex scattering media from reflection patterns with deep neural networks

Demetri Psaltis, Eirini Kakkava, Kyriakos Skarsoulis
2021
Journal Articles

Résumé

Deep neural networks (DNNs) are used to reconstruct transmission speckle intensity patterns from the respective reflection speckle intensity patterns generated by illuminated parafilm layers. The dependence of the reconstruction accuracy on the thickness of the sample is examined for different illumination patterns of various feature sizes. High reconstruction accuracy is obtained even for large parafilm thicknesses, for which the memory effect of the sample is vanishingly small. The generalization capability of the DNN is also studied for unseen scatterers of the same type.

Source officielle

https://infoscience.epfl.ch/entities/publication/e7c433c4-eff0-4fd8-9e5a-88f935b74326

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Predicting optical transmission through complex scattering media from reflection patterns with deep neural networks

Chattez avec Graph Search

Safe Deep Neural Networks

Generalization of Scaled Deep ResNets in the Mean-Field Regime

Infusing structured knowledge priors in neural models for sample-efficient symbolic reasoning