在本文中，我们提出了一种新的预测技术，基于生成对抗网络（GAN）从干涉条纹中预测泽尼克系数。一般来说，GAN 的任务是图像到图像的转换，但我们设计 GAN 用于图像到数字的转换。在 GAN 模型中，Generator 的输入是干涉条纹图像，其输出是马赛克图像。此外，马赛克图像的每一块都与泽尼克系数的数量相关联。均方根误差 (RMSE) 是我们量化地面实况和预测系数的标准。在训练完 GAN 模型后，我们使用两种不同的方法：公式（理想图像）和光学模拟（模拟图像）来估计 GAN 模型。因此，理想图像情况下的 RMSE 约为 0.0182 ± 0.0035λ，RMSE 约为 0.101 ± 0。0263λ 与模拟图像情况。由于模拟图像情况下的结果很差，我们使用迁移学习方法将 RMSE 提高到大约 0.0586 ± 0.0035λ。预测技术不仅适用于理想情况，也适用于实际干涉仪。此外，新的预测技术使 Zernike 系数的预测比我们之前的研究更准确。



"点击查看英文标题和摘要"