【摘要】针对传统鬼成像（ＧＩ）方法成像速度慢的问题，本文提出了一种基于深度学习（ＤＬ）的双路 ＧＩ 成像方法。 该方法通过构建高质量的自建数据集，采用有监督学习策略对网络进行训练，利用深度学习网络将双路信号合成为一路桶信号，从而实现大维度矩阵的快速重建。 与传统的 ＧＩ 方法相比，本方法显著提升了成像速度，同时能够实现多角度快速成像，有效解决了现实场景中的视觉死角问题。 实验结果表明，该方法在保证图像质量的前提下，将成像时间缩短了约 ６０％，为 ＧＩ 技术在实时应用场景中的推广提供了新的解决方案。 此外，本方法通过优化网络结构和训练策略，进一步提高了重建图像的精度和稳定性，为 ＧＩ 技术的进一步发展提供了新的思路。