基于无监督学习的卷积神经网络全息图生成方法

本发明涉及基于无监督学习的卷积神经网络全息图生成方法，属人工智能技术、计算全息领域。包括：将物理衍射模型纳入无监督学习的卷积神经网络中，首先将目标图像输入SCLSK‑Net网络中，由编码部分输出预测相位，在网络的编码部分中引入空间和通道重构卷积，减少冗余计算并促进代表性特征的学习再传输给解码部分，在解码部分引入大选择性核网络，动态调整空间接受场，模拟不同场景中各种物体的测距环境，再实现物理衍射模型的传输，通过将损失反向传输到初始编码部分，可自动更新学习参数，通过注意力机制和空间通道重构卷积实现了高质量快速计算全息图的生成。