用于卷积神经网络的光学前端
计算机视觉与模式识别
2019-05-22 v2 新兴技术
机器学习
光学
摘要
光学的并行性以及利用超表面等纳米光子结构实现光学元件的小型化，为卷积神经网络的电子实现提供了一种引人注目的替代方案。然而，缺乏低功耗的光学非线性，需要在电子与光学域之间进行缓慢且能效低下的转换。在此，我们设计了一种架构，通过设计一个自由空间光学前端单元来实现第一层的线性运算，而后续层以电子方式实现，从而仅使用一次电光转换。该架构的速度与功耗分析表明，对于大尺寸图像和卷积核，这种光子-电子混合架构优于纯电子架构。在修改版 AlexNet 上对该光子-电子架构进行基准测试，在 Kaggle Cats and Dogs 挑战数据库的图像上取得了 87% 的分类准确率。
引用
@article{arxiv.1901.03661,
title = {An Optical Frontend for a Convolutional Neural Network},
author = {Shane Colburn and Yi Chu and Eli Shlizerman and Arka Majumdar},
journal= {arXiv preprint arXiv:1901.03661},
year = {2019}
}