头图

出品人:Towhee 技术团队 张晨、顾梦佳

光学成像通常用于工业界和学术界的科学和技术应用。光学神经网络 (Optical neural networks,ONN) 提供了一个在模拟、光学领域处理数据的平台。 然而,基于 ONN 的传感器仅限于线性处理,但非线性是深度的先决条件,多层神经网络在许多任务上明显优于浅层神经网络。 目前的技术已经成功实现了用于图像传感的多层 ONN 预处理器,使用商业图像增强器作为并行光电、光到光非线性激活函数。 非线性 ONN 预处理器可以实现高达 800:1 的压缩比,同时仍然可以在多个具有代表性的计算机视觉任务中实现高精度,包括机器视觉基准测试、流式细胞术图像分类和真实物体识别场景。实验发现,ONN 的非线性和深度使其优于纯线性 ONN 编码器。 这些 ONN 传感器可以通过在空间、时间和/或光谱维度上预处理光学信息来超越传统传感器,可能具有相干和量子质量,所有这些都在光学域中进行。

图片

A multilayer optical-neural-network encoder as a frontend for image sensing

ONN 通过直接成像与光学编码进行图像传感。 在传统的图像传感中,图像由相机收集,并通常使用神经网络 (NN) 进行处理,以提取一小段相关信息,例如限速或标志文本。 光神经网络 (ONN) 编码器不是将场景的完整图像直接地再现到传感器阵列上,而是对图像进行预处理,仅压缩和提取其最终使用所需的图像信息,从而允许更小的(更少的像素)传感器阵列。

相关资料:


Zilliz
127 声望817 粉丝

Vector database for Enterprise-grade AI