一种基于U-Net模型的光变曲线数据降噪方法与装置

本发明提出了一种基于U‑Net模型的光变曲线数据降噪方法与装置。U‑Net是一种经典的卷积神经网络架构，广泛应用于图像分割领域，特别适用于处理具有较强局部依赖性的时序数据。本发明方法通过对光变曲线数据的降噪任务进行建模，利用U‑Net的自编码结构及其跳跃连接特性，能够有效地去除光变曲线中的噪声，同时保留其关键的时序特征和变化信息。