基于卷积神经网络的三维粒子重构技术及系统

本申请涉及一种基于卷积神经网络的三维粒子重构技术及系统，通过设置粒子属性，基于设置的粒子属性随机生成三维真实粒子分布，结合三维真实粒子分布创建二维投影阵列，通过空间滤波倍增代数数重构技术根据二维投影阵列生成三维重构粒子分布，之后创建重构模型，并将三维重构粒子分布以随机比例划分为训练集和测试集，将训练集输入重构模型，采用梯度下降算法以训练重构模型，得到训练后的重构模型，最后判断训练后的重构模型是否合格，若训练后的重构模型合格，则完成训练，本申请在重构模型的基础上引入了CBAM模块和ASPP模块，提升了重构模型的特征提取能力和抗噪声能力，另外还在损失函数中引入质量因子，从而进一步提升了重构模型的重构精度。