MétaCan
Menu
Retour à la cohorte
Enregistrement W2158870732 · doi:10.1364/ao.52.001041

High-resolution spectral imaging based on coded dispersion

2013· article· en· W2158870732 sur OpenAlexfundno aff
Yaohai Lin, Guangming Shi, Dahua Gao, Danhua Liu

Notice bibliographique

RevueApplied Optics · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensnon disponible
Organismes subventionnairesNetworks of Centres of Excellence of CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésOpticsSpectral imagingDetectorScannerImage qualityImage resolutionSpectral resolutionBandwidth (computing)Resolution (logic)Transmission (telecommunications)Computer sciencePhysicsMaterials scienceSpectral lineTelecommunicationsComputer visionImage (mathematics)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

Since the energy of the incident light is constant, the spatial and spectral resolution can hardly be improved without scarifying the other with the spectral imaging method of a pushbroom scanner. Thus, a new spectral imaging method is proposed to obtain a high-resolution (HR) spectral image with a low-resolution detector array. The method, namely coded dispersion, by which compressive measurement is achieved, improves light collection efficiency, and then a high-quality reconstructed HR spectral image is obtained with fewer sensors. The simulation result shows that with prior knowledge of scenes available, the proposed method also offers a new way to acquire an HR spectral image while the density of detector array is constrained by battery, capacity, transmission bandwidth, and cost.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,594
Score d'incertitude au seuil0,599

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,252
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied OpticsMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207