Глубокое обучение в фантомной поляриметрии двумерных объектов с амплитудной анизотропией

В работе обсуждаются возможности глубокого обучения при решении задачи вычислительной фантомной поляриметрии. Впервые показано, что пространственное распределение поляризационных свойств объектов, обладающих линейной амплитудной анизотропией восстанавливается с помощью нейронной сети, обученной на модельных данных. Пространственное распределение параметров линейной амплитудной анизотропии определено с точностью 7.8\% и 15.6\% для азимута и величины анизотропии соответственно.