4f光学神经网络在不同数据集上图像分类精度的错位朝向研究
光学
2022-10-18 v1 计算机视觉与模式识别
图像与视频处理
摘要
近年来，光学4f系统在构建高速、超低功耗的光学神经网络（ONNs）方面备受关注。大多数光学系统在安装过程中都存在光学器件错位的问题。基于光学4f系统（4f-ONN）的ONN性能被认为对引入光路中的错位十分敏感。为了全面研究错位所造成的影响，我们提出了一种在图像分类任务背景下估计4f-ONN对各种错位响应性能的方法。数值模拟中的错位通过操控4f系统第四焦平面上的光强分布来估计，随后进行了一系列物理实验以验证模拟结果。使用我们的方法测试了4f系统错位对两个流行图像分类数据集MNIST和Quickdraw16分类精度的影响。在这两个数据集上，我们发现随着定位误差增大，4f-ONN的性能通常急剧下降。在两个数据集上观察到错位朝向上不同的定位误差容忍度。在特定方向上，分类性能在定位误差高达200微米时仍可保持。
引用
@article{arxiv.2210.08004,
title = {Misaligned orientations of 4f optical neural network for image classification accuracy on various datasets},
author = {Yanbing Liu and Wei Li and Kun Cheng and Xun Liu and Wei Yang},
journal= {arXiv preprint arXiv:2210.08004},
year = {2022}
}