本研究では、深層学習とカスタマイズされたピンクノイズスポットパターンを基にした計算ゴーストイメージングのフレームワークを提案します。本研究で使用される深層ニューラルネットワークは、センシングモデルを学習し、画像再構成の品質を向上させることが可能であり、その訓練はシミュレーションのみによって行われます。当研究におけるサブ・ナイキストレベルの実現を示すために、従来の計算ゴーストイメージングの結果と、白色ノイズおよびピンクノイズを使用して深層学習により再構成された画像結果を、異なるノイズ条件の下で複数のサンプリングレートで比較しました。我々は、提案手法がトレーニングデータセット外の物体に対しても0.8%のサンプリングレートで高品質な画像を提供できることを示し、さらにノイジーな環境に強いことを確認しました。この方法は低サンプリングレートや高速再構成効率が必要なアプリケーションや、強いノイズ干渉が発生する状況において特に優れています。