用于图像分类的压缩元光学编码器
计算机视觉与模式识别
2024-06-17 v2 图像与视频处理
光学
摘要
光学和混合卷积神经网络（CNN）最近日益受到关注，以实现低延迟、低功耗的图像分类和计算机视觉任务。然而，实现光学非线性具有挑战性，省去标准CNN中的非线性层会显著降低准确率。在本工作中，我们采用知识蒸馏将修改版AlexNet压缩为单个线性卷积层和电子后端（两个全连接层）。我们获得的性能相当于纯电子CNN（包含五个卷积层和三个全连接层）。我们通过工程化一个逆设计的元光学的点扩散函数来实现卷积。使用这种混合方法，我们估计将常规电子修改版AlexNet中的乘法-累加运算从1700万个降低到仅86000个，使延迟和功耗降低了两个数量级。此外，我们在MNIST数据集上实验性地证明了系统分类准确率可超过93%。
引用
@article{arxiv.2406.06534,
title = {Compressed Meta-Optical Encoder for Image Classification},
author = {Anna Wirth-Singh and Jinlin Xiang and Minho Choi and Johannes E. Fröch and Luocheng Huang and Shane Colburn and Eli Shlizerman and Arka Majumdar},
journal= {arXiv preprint arXiv:2406.06534},
year = {2024}
}