中国科学院上海光学精密机械研究所研究人员在基于深度学习的计算成像方法上取得新进展。研究人员提出了一种利用仿真数据训练神经网络来恢复实验数据的方法，并在计算鬼成像中验证了该方法的可行性。首先，基于计算鬼成像的原理和实验器件参数仿真生成训练数据，然后利用仿真数据训练神经网络；训练所得网络能够在6.25%的采样比下恢复实验数据，相比传统的强度关联和压缩感知方法，具有更好的重建效果，且在重建过程中无需使用照明光场的信息。另外，该方法在物体与探测器之间存在散射介质时仍能恢复图像，而无需对散射介质进行仿真。（中科院网站）