基于深度学习网络的多模光纤传输
光学
2018-11-13 v2
摘要
多模光纤（MMF）是强散射介质的一个例子，其扰乱在其中传播的相干光并产生看似随机的图样。因此，对于诸如通过 MMF 进行成像和图像投影等应用，需要仔细测量光纤输入与输出之间的关系。我们作为一个概念验证表明，深度学习神经网络可以学习 0.75 m 长 MMF 中的输入输出关系。具体而言，我们证明深度卷积神经网络（CNN）可以学习在光纤输出处获得的散斑图样振幅与光纤输入处的相位或振幅之间的非线性关系。实际上，该网络执行了一项非线性反演任务。与使用该系统的测量矩阵获得的图像相比，我们获得了约 98% 的图像保真度（相关性）。我们进一步表明，该网络可以进行迁移学习训练，即它可以传输属于另一类未用于训练/测试的 MMF 图像。
引用
@article{arxiv.1805.05134,
title = {Multimode Optical Fiber Transmission with a Deep Learning Network},
author = {Babak Rahmani and Damien Loterie and Georgia Konstantinou and Demetri Psaltis and Christophe Moser},
journal= {arXiv preprint arXiv:1805.05134},
year = {2018}
}
备注
Published in Nature Light: Science and Applications under the same title