可扩展的光学卷积神经网络基于自由空间光学,使用镜头阵列和空间光调制器
1Department of Physics Education, Kyungpook National University, 80 Daehakro, Bukgu, Daegu 41566, Republic of Korea.
Journal of imaging
|November 24, 2023
概括
使用自由空间光学和科勒照明的新型可扩展光学卷积神经网络 (SOCNN) 克服了先前系统的局限性. 这种方法可以实现输入缩放和不连贯的光,为多层网络提供巨大的光学并行性.
科学领域:
- 光学是什么?光学是什么?光学是什么?
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 传统的4f对应器系统在可扩展性和照明均性方面存在局限性.
- 在以前的系统中,Abbe照明可以导致交叉声和不均.
- 解决这些问题对于推进光学神经网络架构至关重要.
研究的目的:
- 提出一个可扩展的光学卷积神经网络 (SOCNN),克服现有的4f相关系系统的局限性.
- 为了利用自由空间光学和科勒照明来提高性能.
- 为了实现输入阵列的缩放和不连贯光源的使用.
主要方法:
- 开发一个可扩展的光学卷积神经网络 (SOCNN) 架构.
- 使用自由空间光学实现.
- 使用科勒照明,而不是阿贝照明,以提高均性和减少交叉声.
- 分析内核大小缩放和并行吞吐量的局限性.
主要成果:
- 拟议的SOCNN有效地解决了以前4f相关系系统的局限性.
- 与Abbe照明相比,Koehler照明提供了更均的照明,并显著减少了交叉声.
- SOCNN架构支持输入阵列缩放和不连贯光源的使用.
- 分析证实了具有大规模光学并行性的多层卷积神经网络的潜力.
结论:
- 可扩展光学卷积神经网络 (SOCNN) 为先进的光学计算提供了一个可行的解决方案.
- 使用科勒照明和自由空间光学可提高性能和可扩展性.
- 这种架构为高度并行的光学神经网络铺平了道路.
