用于单向图像放大与缩小的金字塔衍射光学网络
光学
2024-08-02 v2 计算机视觉与模式识别
神经与进化计算
应用物理
摘要
衍射深度神经网络（D2NN）由连续的透射层组成，这些透射层使用监督深度学习进行优化，以在全光方式下实现输入与输出视场（FOV）之间的各种计算任务。在此，我们提出一种金字塔结构的衍射光学网络设计（我们称之为 P-D2NN），专门针对单向图像放大与缩小进行优化。在该设计中，衍射层根据图像放大或缩小的方向呈金字塔状缩放。这种 P-D2NN 设计仅在一个方向上创建高保真度的放大或缩小图像，同时抑制相反方向上的图像形成——使用光学处理器体积内少得多的衍射自由度实现所需的单向成像操作。此外，尽管仅使用单一波长进行训练，P-D2NN 设计在很宽的照明波长范围内保持其单向图像放大/缩小功能。我们还设计了一种波长复用 P-D2NN，其中单向放大器和单向缩小器在两个不同照明波长下沿相反方向同时工作。此外，我们证明通过级联多个单向 P-D2NN 模块，可以实现更高的放大倍数。P-D2NN 架构的有效性也使用太赫兹照明进行了实验验证，成功匹配了我们的数值模拟。P-D2NN 提供了一种受物理学启发的任务专用视觉处理器设计策略。
引用
@article{arxiv.2308.15019,
title = {Pyramid diffractive optical networks for unidirectional image magnification and demagnification},
author = {Bijie Bai and Xilin Yang and Tianyi Gan and Jingxi Li and Deniz Mengu and Mona Jarrahi and Aydogan Ozcan},
journal= {arXiv preprint arXiv:2308.15019},
year = {2024}
}
备注
41 Pages, 11 Figures