[发明专利]相位图像生成器的训练方法及相位图像分类器的训练方法

权利要求书

1.一种相位图像生成器的训练方法，包括：

在多个迭代次的各者中，产生一损失值，包括：

一相位图像生成器以一相位图像生成模式产生多张生成相位图像；

一相位图像判定器判断这些生成相位图像与多张原始相位图像的一差异程度；及

依据该差异程度产生这些生成相位图像的该损失值；以及

一挑选器从这些损失值中选择一稳定损失值，并以该稳定损失值所对应的该迭代次的该相位图像生成模式做为该相位图像生成器的一所选相位图像生成模式。

2.如权利要求1所述的训练方法，更包括：

一收敛值计算器依据各该迭代次中这些原始相位图像与这些生成相位图像，运算以取得这些生成相位图像的一收敛值；

其中，在该挑选器从这些损失值中选择该稳定损失值的步骤还包括：

该挑选器运算各该迭代次中该损失值与该收敛值的一积值；以及

该挑选器从这些积值中选择一所选积值，并以该所选积值所对应的该损失值为该稳定损失值。

3.如权利要求2所述的训练方法，其中该收敛值计算器为一KL散度(Kullback Leiblerdivergence)值计算器，该收敛值为KL散度值。

4.如权利要求3所述的训练方法，其中该收敛值计算器依据各该迭代次中这些原始相位图像与这些生成相位图像，采用KL散度统计运算获得该收敛值。

5.如权利要求2所述的训练方法，其中该所选积值为这些积值中最小者。

6.如权利要求1所述的训练方法，其中在这些迭代次的各者中产生该相位图像生成模式的步骤还包括：

在该损失值产生后，储存该损失值于一数据库中；

其中，在该挑选器从这些损失值中选择该稳定的损失值的步骤中，该挑选器从该数据库所储存的这些损失值中取得该稳定损失值。

7.如权利要求2所述的训练方法，还包括：

储存这些原始相位图像于一数据库中；以及

在产生这些生成相位图像后，储存这些生成相位图像于该数据库中；

其中，在该收敛值计算器依据各该迭代次中这些原始相位图像与这些生成相位图像，运算以取得这些生成相位图像的该收敛值的步骤中，这些原始相位图像与这些生成相位图像为该收敛值计算器从该数据库中取得。

8.如权利要求2所述的训练方法，还包括：

该收敛值计算器储存该收敛值于一数据库中；

其中，在这些迭代次的各者中产生该损失值的步骤还包括：在该损失值产生后，储存该损失值于该数据库中；

其中，在该挑选器运算各该迭代次中该损失值与该收敛值的该积值的步骤中，这些损失值及这些收敛值为该挑选器从该数据库取得。

9.如权利要求1所述的训练方法，其中依据该差异程度产生这些生成相位图像的该损失值的步骤还包括：该相位图像判定器经由一损失函数(loss function)运算产生该损失值。

10.一种相位图像分类器的训练方法，包括：

以如权利要求1-9任一项所述的训练方法，取得一相位图像生成器的一所选相位图像生成模式；

该相位图像生成器以该所选相位图像生成模式产生多张训练相位图像；以及

该相位图像生成器将这些训练相位图像输入至一相位图像分类器，以训练该相位图像分类器。

11.如权利要求10所述的训练方法，其中这些原始相位图像的张数少于这些训练相位图像的张数。

12.如权利要求10所述的训练方法，其中该相位图像分类器采用神经网络(NeuralNetworks，NN)技术进行训练。