近日,中科院量子光学实验室刘红林副研究员与香港理工赖溥祥教授课题组、上海理工大学张大伟教授合作,在基于深度学习的散射成像机理与应用边界方面研究获得重要进展。相关成果以“the physical origin and boundary of scalable imaging through scattering media: a deep learning-based exploration”为题发表于photonics research。
卷积神经网络(cnn)是一种用于对目标进行重建、分类等处理的深度学习方法。自2016年深度学习被首次应用于散射成像,该研究一直是光学成像领域的热门方向。几年来,神经网络结构被不断优化升级,但始终无法透过厚散射介质产生理想的目标重建效果,同时其主流研究方向一直被通过研发新型网络提高重建效果所束缚,从而忽略了其中的物理本质。
研究人员使用从同一块毛玻璃不同区域采集的实验数据、经弹道光比例可调位板(调节范围0%-100%)生成的模拟数据分别进行cnn训练和测试。经对比发现,弹道光是提高网络泛化性的先决条件,而散射光则是开启某一散射条件下网络模型使用权限的特定“密钥”,网络只能识别训练时见过的密钥。如果没有弹道光存在,即便使用多种散射条件下的数据进行训练,网络也始终不会具有泛化性。
弹道光与散射光在散射成像中不同作用的发现解释了深度学习散射成像无法突破厚度限制的物理原因,对今后深度学习散射成像的应用研究具有指导意义。增加具有空间不变性的信息可以提高神经网络的泛化性,还可确定各类散射条件下深度学习预测成像的边界。
该项目得到了国家自然科学基金、广东省科学技术委员会、香港研究拨款委员会以及香港创新科技委员会的支持。
是我OUT了?英国一家超市推出静脉支付新方式
汽车芯片晶圆代工厂即将涨价 晶圆产能估缺货状况长达1年
水电站设备数据采集与远程监控系统解决方案
关于安全挂锁原理的详细介绍
钧嵌传感采用全电子式方案,传感器输出信号不需芯片处理
基于深度学习的散射成像机理与应用
网站访客计数器制作图解
2018深圳物联网展 SKYLAB高品质无线模块, 实力吸睛
关于执行KBO安装以及调整任务的详细讲解
安森美半导体的LED通用照明设计方案
ADuM系列隔离器的比较优势与应用分析
Baby AT主板
iPhone8或将按照中国人喜好设计!苹果还是不敢舍弃中国市场
浪潮AI服务器2020年上半年的销售额达6.88亿美元
保安巡逻机器人为安防行业带来更加智能的安保服务
提高智能网联汽车技术的发展需求 对我国技术和产业发展起到推动作用
用于提高功率密度的无源元件创新
详解单片机的内存分配
华为5GCPEPro体验 实测近1000Mbps的下载速度
电磁流量计传感器安装注意事项