基于FFT融合U-Net的全息图生成网络训练及结果数据

基于傅立叶神经模块的全息图生成算法数据主要面向低噪声全息图重建算法研究，全息图和仿真重建由Python编程得到，实验数据基于佳能EOS M10拍摄得到，主要包含了2个文件夹，分别是“单色2D全息图和重建结果”和“彩色动态视频”。在“单色2D全息图和重建结果”文件夹内有7张文件，它们分别每种全息图算法生成去全息图的结果；每个文件夹下有2个文件夹，分别为全息图和重建结果。在结果文件下分别有3个文件夹，包含着仿真重建结果、重建平面相位和实验重建结果。在“彩色动态视频”文件夹内有3个视频，它们分别是不同算法下重建的彩色场景；还有3个文件夹，对应着3个视频中的每一帧图像，一共有473张图像。

搜集汇总

背景与挑战

背景概述

本数据集面向低噪声全息图重建算法研究，提供了基于傅立叶神经模块的全息图生成算法数据。它包含单色2D全息图和重建结果以及彩色动态视频，涵盖了全息图、仿真重建和实验重建结果，数据格式多样，如mp4、JPG等。