【摘 要】
：
基于全光信息处理的光学人工智能系统在目标识别等领域均具有巨大发展潜力。与传统的基于计算机平台的深度神经网络相比,光学人工智能系统将对光学目标进行相应的识别处理,相对于数据集图片的强度信息,光学目标样本还具有波长、相位、偏振等实际物理信息。因此为生成更加一般化的真实光场目标,进一步优化光学人工智能系统面向真实物理场景性能,本文进行如下工作:（1）分析并研究了光场重建的几种不同方案,并对其器件发展及研
论文部分内容阅读
基于全光信息处理的光学人工智能系统在目标识别等领域均具有巨大发展潜力。与传统的基于计算机平台的深度神经网络相比,光学人工智能系统将对光学目标进行相应的识别处理,相对于数据集图片的强度信息,光学目标样本还具有波长、相位、偏振等实际物理信息。因此为生成更加一般化的真实光场目标,进一步优化光学人工智能系统面向真实物理场景性能,本文进行如下工作:（1）分析并研究了光场重建的几种不同方案,并对其器件发展及研究现状进行了详细的阐述。考虑到计算全息技术能够重建复振幅光场,可以用作系统的前端样本生成装置,论文进一步研究光学的标量衍射理论及相位恢复的G-S算法,为后续的方案设计和实验建立了理论基础。（2）通过实际拍摄、网络爬虫搜索下载、使用数字图像处理技术及生成对抗网络数据扩充倍增技术来建立海量目标样本集。使用数字微镜器件（Digital Micromirror Device,DMD）重建目标的振幅信息;研究基于快速傅里叶算法的相位恢复算法,使用空间光调制器（Spatial Light Modulator,SLM）对入射光场进行相位调制,对其赋予目标物的振幅和相位等光学特征;设计光路并完成实验,自主构建光场图像相似度权重模型对实验结果进行评测,证实了使用这两种器件实现目标重建的可行性。（3）基于DMD和SLM设计了最终的光学样本生成系统,通过光学调制的方法恢复目标光场并输出。论文随机抽取目标样本,使用光场图像相似度权重模型对两种方案下的系统均进行了测试。最终实验结果显示,系统能够实时动态地生成波长可切换、偏振可控、空间尺寸可调、具有目标样本振幅和相位信息的光学样本,从而说明了系统可以用作光学人工智能系统识别检测系统的输入装置。
其他文献
随着信息技术的快速发展,高维特征可以为客观世界提供更全面的描述,但同时也带来了相当大的计算负担和较高的存储成本,因此通过将数据原始特征投影到能保留原始信息的低维空间中的降维方法引起了研究者们的广泛关注。根据标签的使用情况,降维方法大致分为有监督、无监督和半监督三种,其中,半监督降维综合利用标记数据和无标记数据实现降维过程,其兼具有监督和无监督方法的优势。作为一种有效的半监督降维方法,基于图的半监督
多视图（Multi-view）数据是指来自不同渠道或者以多种模式来描述的数据。多视图数据包含的事物信息既多样又统一,可以帮助人们更全面地了解事物,因此利用多视图数据的特性来提高聚类任务的性能是十分必要的。多视图聚类的目的是利用多个视图的特征将数据样本划分到不同的组中,使每组内的样本比其他组的样本具有更高的相似性。近年来,多视图聚类受到了广泛的关注,虽然以往的多视图聚类模型取得了很大的成功,但仍存在
随着互联网技术的快速发展和云计算技术的广泛应用,对大数据的各种应用渗透到人们生活的方方面面。这些应用使人们的生活更加便捷,但同时大量有价值的、敏感的私有信息被不断挖掘,人们的隐私受到威胁。安全多方计算可以解决在分布式场景下互不信任的数据拥有者如何安全协同计算的问题。利用安全多方计算技术,人们不仅实现了数据的联合计算,还保证了数据的隐私性。在诸多数据应用场景中,不同参与方持有的隐私数据通常可以用集合
随着信息化技术与教育行业的持续深度融合,在线教育正快速进入大众视野,成为教育领域中冉冉升起的一颗新星。相对于传统的课堂学习,在线教育留存大量教育视频,使学习者学习打破了时空限制,视频学习不仅对学习者的学习效果具有较大提升,而且可通过学习者观看视频后在线留下的学习过程数据,精准发现学习过程中存在的问题,并为其提供指导建议,实现因材施教。然而,对于学习者来说,如何快速而精准地掌握教育视频的核心内容,并
随着研究的不断深入,行人重识别领域得到了快速发展,该技术也得到了广泛应用。当光线条件较好时,可见光行人重识别方法即使面临复杂的环境依然表现良好,但在实际应用中往往存在光照不足的问题,此时用常见的普通相机拍摄的可见光图像分辨率较低,会对行人重识别任务产生负面影响,这就需要用红外相机额外拍摄较清晰的红外光图像。因红外光图像与可见光图像的成像光谱存在显著区别,导致二者之间存在着巨大的模态差异。为了解决上
在过去的几十年,非线性系统的控制设计已经成为一个热点研究课题。针对这一课题,人们提出了各种各样的设计方法,如自适应反步控制、滑模控制以及鲁棒控制等。在这些方法中,自适应反步法是一种针对具有参数不确定性纯反馈非线性系统的有效控制器设计方法。同时随着科学技术的不断发展,工程系统的复杂程度也在不断的增加,在实际生产过程中往往需要考虑环境因素或者性能要求等。因此,对于复杂条件下的纯反馈非线性系统,仍然存在
随着云计算、大数据等技术的发展,分布式计算场景下的多源数据充分发挥着它的社会和经济价值。在最大程度地发掘多源数据价值的同时,也不可避免地要考虑其隐私泄露问题。在保护数据隐私性方面,安全多方计算（Secure Multi-Party Computation,SMPC）扮演着不可替代的角色,其本质上是从协议层面考虑隐私保护问题。安全两方计算是安全多方计算的一种特殊情况,其目的是在保证双方的隐私数据不被
受益于光子独特的优势，光计算技术在构建高速、高算力和高能效比的专用计算加速器方面被寄予厚望，目前已经涌现出了许多极具吸引力的方案。特别是对于涉及运算量巨大的二维矩阵-矩阵乘加操作的专用场景，光计算有望在算力和能效比等方面实现超越当前最先进电子计算机几个数量级的性能提升。不同于电子计算通过构建逻辑门实现通用数字计算，主要受深度学习驱动而复兴的光计算更倾向于模拟计算。本文从模拟和数字光计算的角度出发对
癫痫是一种常见的神经性疾病,其发病原因是大脑神经细胞异常放电所导致的神经系统短暂性紊乱,其危害巨大,潜藏着致命的伤害。在传统的癫痫病诊断中,医生凭借其专业技能,通过对脑电图（Electroencephalogram,EEG）的分析来进行癫痫诊断,但人工检测的方法存在费时费力的弊端,因此,新兴的自动癫痫检测技术成为了研究热点。论文利用基于深度学习的癫痫检测算法来实现EEG的自动分析。研究表明,各个脑
切换系统作为一类具有多模态特性的系统模型,能够为许多实际工业过程进行系统建模,同时切换系统的研究也为其他复杂系统提供了研究思路,因此切换系统具有重要的理论研究价值和实际工程应用价值。具体来说,切换系统是由多个子系统以及切换规则组成的,切换规则的存在增加了系统稳定性分析的难度,因此如何为切换系统设计有效的控制策略是一个具有挑战性的课题。另一方面,未知非线性和不确定性广泛存在于实际工业系统中,这些因素