本發(fā)明屬于圖像處理，特別涉及一種基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)，可用于圖像分類(lèi)或圖像重構(gòu)等圖像處理任務(wù)。

背景技術(shù)：

1、近年來(lái)，有越來(lái)越多的大數(shù)據(jù)應(yīng)用程序跨越了各個(gè)領(lǐng)域，包括醫(yī)學(xué)、工業(yè)和藝術(shù)。相應(yīng)地，隨著接近后摩爾定律時(shí)代的方法，對(duì)計(jì)算能力的需求也在上升。傳統(tǒng)的基于硅基的電子設(shè)備采用馮·諾伊曼架構(gòu)的神經(jīng)網(wǎng)絡(luò)，面臨著處理速度、能量消耗和帶寬等物理限制，這些限制導(dǎo)致了計(jì)算機(jī)進(jìn)步的瓶頸。為了解決這些挑戰(zhàn)，光學(xué)計(jì)算被廣泛研究，研究者們利用其快速的傳輸速度、強(qiáng)大的信息承載能力、高并行性和對(duì)干擾的魯棒性，擬克服基于馮·諾依曼架構(gòu)的電子神經(jīng)網(wǎng)絡(luò)所面臨的限制。

2、光學(xué)神經(jīng)網(wǎng)絡(luò)系統(tǒng)是一種利用光作為傳輸信息的媒介，它采用相位、振幅或調(diào)頻來(lái)加載和處理信號(hào)；與傳統(tǒng)的硅基電子元件相比，光學(xué)計(jì)算具有更高的并行性和電磁輻射干擾性。目前對(duì)光學(xué)計(jì)算系統(tǒng)的研究主要集中在兩種架構(gòu)上：用于構(gòu)建通用光學(xué)計(jì)算系統(tǒng)的集成片上光學(xué)神經(jīng)網(wǎng)絡(luò)架構(gòu)，以及為特定任務(wù)量身定制的空間光學(xué)神經(jīng)網(wǎng)絡(luò)架構(gòu)。

3、然而，傳統(tǒng)光學(xué)計(jì)算系統(tǒng)的組成是基于光學(xué)器件的物理系統(tǒng)，它從根本上涉及到操縱光學(xué)領(lǐng)域的圖像光場(chǎng)，以實(shí)現(xiàn)智能信息提?。灰虼?，該系統(tǒng)對(duì)單個(gè)組件的對(duì)齊誤差和制造不準(zhǔn)確性高度敏感。目前空間光學(xué)神經(jīng)網(wǎng)絡(luò)架構(gòu)的設(shè)計(jì)范式旨在通過(guò)級(jí)聯(lián)光學(xué)器件來(lái)提高光學(xué)神經(jīng)網(wǎng)絡(luò)系統(tǒng)的性能，從而提高光學(xué)系統(tǒng)的深度；然而傳統(tǒng)網(wǎng)絡(luò)采用深度的級(jí)聯(lián)容易在每一層都引入誤差，并且存在光場(chǎng)能量損耗問(wèn)題，損害了光學(xué)神經(jīng)網(wǎng)絡(luò)系統(tǒng)的能力；故傳統(tǒng)的光學(xué)神經(jīng)網(wǎng)絡(luò)架構(gòu)難以構(gòu)建深度級(jí)聯(lián)結(jié)構(gòu)，是當(dāng)前光學(xué)神經(jīng)網(wǎng)絡(luò)系統(tǒng)開(kāi)發(fā)的瓶頸之一。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對(duì)已有的光學(xué)系統(tǒng)級(jí)聯(lián)容易引入誤差的不足，提出一種基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)，利用寬度學(xué)習(xí)理論的設(shè)計(jì)原理，將光學(xué)計(jì)算系統(tǒng)從垂直級(jí)聯(lián)結(jié)構(gòu)轉(zhuǎn)換為基于寬度的并行結(jié)構(gòu)；在淺寬結(jié)構(gòu)下，有效解決了聯(lián)光學(xué)映射中的誤差積累問(wèn)題。

2、為實(shí)現(xiàn)上述任務(wù)，本發(fā)明采用以下技術(shù)方案：

3、一種基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)，包括依次連接的特征調(diào)制模塊、增強(qiáng)調(diào)制模塊、組合連接模塊以及光學(xué)分類(lèi)模塊，其中：

4、特征調(diào)制模塊用于對(duì)輸入的光場(chǎng)圖像進(jìn)行特征調(diào)制處理，以生成并行特征節(jié)點(diǎn)圖像；在特征調(diào)制過(guò)程中，光場(chǎng)圖像被復(fù)制為多個(gè)光場(chǎng)圖像副本，并用與光場(chǎng)圖像大小相同的空間光調(diào)制矩陣進(jìn)行調(diào)制，實(shí)現(xiàn)多個(gè)相同大小、不同調(diào)制下的并行特征節(jié)點(diǎn)圖像的輸出；

5、增強(qiáng)調(diào)制模塊用于對(duì)輸入的并行特征節(jié)點(diǎn)圖像進(jìn)行增強(qiáng)調(diào)制處理以生成多個(gè)經(jīng)過(guò)非線(xiàn)性光學(xué)調(diào)制的增強(qiáng)節(jié)點(diǎn)圖像；在增強(qiáng)調(diào)制過(guò)程前，并行特征節(jié)點(diǎn)圖像先經(jīng)過(guò)光束分離得到復(fù)制的兩組相同的并行特征節(jié)點(diǎn)圖像；在增強(qiáng)調(diào)制過(guò)程中，其中一組并行特征節(jié)點(diǎn)圖像進(jìn)入組合連接模塊，另一組并行特征節(jié)點(diǎn)圖像則利用光學(xué)非線(xiàn)性層進(jìn)行圖像的非線(xiàn)性調(diào)制，實(shí)現(xiàn)多個(gè)相同大小的增強(qiáng)節(jié)點(diǎn)圖像的輸出；

6、組合連接模塊用于對(duì)輸入的并行特征節(jié)點(diǎn)圖像和增強(qiáng)節(jié)點(diǎn)圖像進(jìn)行組合處理以生成組合節(jié)點(diǎn)圖像；在組合連接過(guò)程中，并行特征節(jié)點(diǎn)圖像與增強(qiáng)節(jié)點(diǎn)圖像的兩束光束并行分布，從而實(shí)現(xiàn)組合節(jié)點(diǎn)圖像的輸出；

7、光學(xué)分類(lèi)模塊用于對(duì)輸入的組合節(jié)點(diǎn)圖像進(jìn)行光學(xué)分類(lèi)，以生成光輸出向量；在光學(xué)分類(lèi)過(guò)程中，通過(guò)光學(xué)線(xiàn)性矩陣乘法對(duì)組合節(jié)點(diǎn)圖像進(jìn)行處理，從而生成光輸出向量。

8、進(jìn)一步地，所述特征調(diào)制模塊包括數(shù)字微鏡設(shè)備單元、微透鏡陣列單元、空間光調(diào)制器單元，其中：

9、數(shù)字微鏡設(shè)備單元采用非相干的寬帶照明場(chǎng)，用于針對(duì)輸入的光學(xué)圖像進(jìn)行圖像加載處理，得到輸入數(shù)據(jù)場(chǎng)；

10、微透鏡陣列單元采用光學(xué)扇出，用于對(duì)輸入數(shù)據(jù)場(chǎng)產(chǎn)生多個(gè)并行的光學(xué)圖像副本，得到并行輸入數(shù)據(jù)場(chǎng)；

11、空間光調(diào)制器單元采用空間光調(diào)制矩陣，用于將并行輸入數(shù)據(jù)場(chǎng)中每個(gè)光學(xué)圖像副本進(jìn)行矩陣加權(quán)調(diào)制，得到并行的特征節(jié)點(diǎn)圖像。

12、進(jìn)一步地，所述增強(qiáng)調(diào)制模塊包括分束器單元、光學(xué)非線(xiàn)性層單元，其中：

13、分束器單元采用光學(xué)分束器，用于將并行特征節(jié)點(diǎn)圖像的光場(chǎng)傳輸光束分割成兩個(gè)相同的光束，從而得到兩組相同的并行特征節(jié)點(diǎn)圖像；

14、光學(xué)非線(xiàn)性層單元具體利用非線(xiàn)性光電效應(yīng)，用于針對(duì)輸入的一組并行特征節(jié)點(diǎn)圖像進(jìn)行圖像非線(xiàn)性調(diào)制處理，得到增強(qiáng)節(jié)點(diǎn)圖像。

15、進(jìn)一步地，所述光學(xué)非線(xiàn)性層不改變光束的形狀或大小，而是在不同程度上改變光的強(qiáng)度，從而實(shí)現(xiàn)非線(xiàn)性調(diào)整。

16、進(jìn)一步地，所述的組合連接模塊包括中繼透鏡單元，其中：

17、中繼透鏡單元采用不同焦距的中繼透鏡，不改變圖像的大小或其所攜帶的信息內(nèi)容，在不同的位置進(jìn)行成像實(shí)現(xiàn)光學(xué)整形；利用中繼透鏡單元將并行特征節(jié)點(diǎn)圖像與增強(qiáng)節(jié)點(diǎn)圖像的兩束光束在同一地方并行拼接在一起，得到組合節(jié)點(diǎn)圖像。

18、進(jìn)一步地，所述光學(xué)分類(lèi)模塊包括微透鏡陣列單元、空間光調(diào)制器單元、透鏡單元，其中：

19、微透鏡陣列單元采用光學(xué)扇出，用于對(duì)組合節(jié)點(diǎn)圖像產(chǎn)生對(duì)應(yīng)的輸入光場(chǎng)；

20、空間光調(diào)制器單元采用矩陣乘法的空間光調(diào)制器，用于對(duì)輸入光場(chǎng)進(jìn)行線(xiàn)性調(diào)制，得到與任務(wù)類(lèi)別數(shù)相等的光場(chǎng)輸出圖像；

21、透鏡單元采用光學(xué)透鏡，用于光場(chǎng)輸出圖像的匯聚，得到最終的光輸出向量。

22、進(jìn)一步地，所述基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練采用反向傳播算法；

23、當(dāng)獲取待處理的光學(xué)圖像后，輸入到訓(xùn)練好的網(wǎng)絡(luò)模型中得到對(duì)應(yīng)的光輸出向量。

24、進(jìn)一步地，所述光學(xué)輸出向量用于圖像分類(lèi)或圖像重建。

25、一種光學(xué)圖像處理單元，所述光學(xué)圖像處理單元中設(shè)置有訓(xùn)練好的基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)模型，用于對(duì)輸入的光學(xué)圖像進(jìn)行分類(lèi)或重建。

26、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序；計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)所述基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)對(duì)光學(xué)圖像的分類(lèi)或重建過(guò)程。

27、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下技術(shù)特點(diǎn)：

28、1.本發(fā)明使用淺寬度光學(xué)衍射結(jié)構(gòu)構(gòu)建了空間光學(xué)神經(jīng)網(wǎng)絡(luò)架構(gòu)，是該領(lǐng)域的一項(xiàng)重要突破，它完美地避免了傳統(tǒng)光學(xué)神經(jīng)網(wǎng)絡(luò)系統(tǒng)中與深度級(jí)聯(lián)相關(guān)的固有光學(xué)系統(tǒng)誤差問(wèn)題，同時(shí)確保了與基線(xiàn)級(jí)聯(lián)光學(xué)神經(jīng)網(wǎng)絡(luò)系統(tǒng)同等的性能。

29、2.本發(fā)明方法構(gòu)建的光學(xué)神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的光學(xué)計(jì)算系統(tǒng)相比，在收斂速度上有顯著提高，提高了近兩個(gè)數(shù)量級(jí)。它還可以在不降低精度的情況下實(shí)現(xiàn)參數(shù)縮減，從而使計(jì)算效率更高；此外，通過(guò)對(duì)錯(cuò)位誤差進(jìn)行的測(cè)試證明，與傳統(tǒng)光學(xué)神經(jīng)網(wǎng)絡(luò)系統(tǒng)相比，新型空間光學(xué)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具有足夠且優(yōu)越的抗噪聲性能。

技術(shù)特征：

1.一種基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)，其特征在于，包括依次連接的特征調(diào)制模塊、增強(qiáng)調(diào)制模塊、組合連接模塊以及光學(xué)分類(lèi)模塊，其中：

2.根據(jù)權(quán)利要求1所述的基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)，其特征在于，所述特征調(diào)制模塊包括數(shù)字微鏡設(shè)備單元、微透鏡陣列單元、空間光調(diào)制器單元，其中：

3.根據(jù)權(quán)利要求1所述的基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)，其特征在于，所述增強(qiáng)調(diào)制模塊包括分束器單元、光學(xué)非線(xiàn)性層單元，其中：

4.根據(jù)權(quán)利要求1所述的基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)，其特征在于，所述光學(xué)非線(xiàn)性層不改變光束的形狀或大小，而是在不同程度上改變光的強(qiáng)度，從而實(shí)現(xiàn)非線(xiàn)性調(diào)整。

5.根據(jù)權(quán)利要求1所述的基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)，其特征在于，所述的組合連接模塊包括中繼透鏡單元，其中：

6.根據(jù)權(quán)利要求1所述的基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)，其特征在于，所述光學(xué)分類(lèi)模塊包括微透鏡陣列單元、空間光調(diào)制器單元、透鏡單元，其中：

7.根據(jù)權(quán)利要求1所述的基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)，其特征在于，所述基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練采用反向傳播算法；

8.根據(jù)權(quán)利要求1所述的基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)，其特征在于，所述光學(xué)輸出向量用于圖像分類(lèi)或圖像重建。

9.一種光學(xué)圖像處理單元，其特征在于，所述光學(xué)圖像處理單元中設(shè)置有訓(xùn)練好的根據(jù)權(quán)利要求1至8中任一項(xiàng)所述的基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)模型，用于對(duì)輸入的光學(xué)圖像進(jìn)行分類(lèi)或重建。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序；其特征在于，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)根據(jù)權(quán)利要求1至8中任一項(xiàng)所述基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)對(duì)光學(xué)圖像的分類(lèi)或重建過(guò)程。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于寬度學(xué)習(xí)理論的光學(xué)神經(jīng)網(wǎng)絡(luò)，包括依次連接的特征調(diào)制模塊、增強(qiáng)調(diào)制模塊、組合連接模塊以及光學(xué)分類(lèi)模塊，其中：特征調(diào)制模塊用于對(duì)輸入的光場(chǎng)圖像進(jìn)行特征調(diào)制處理，以生成并行特征節(jié)點(diǎn)圖像；增強(qiáng)調(diào)制模塊用于對(duì)輸入的并行特征節(jié)點(diǎn)圖像進(jìn)行增強(qiáng)調(diào)制處理以生成多個(gè)經(jīng)過(guò)非線(xiàn)性光學(xué)調(diào)制的增強(qiáng)節(jié)點(diǎn)圖像；組合連接模塊用于對(duì)輸入的并行特征節(jié)點(diǎn)圖像和增強(qiáng)節(jié)點(diǎn)圖像進(jìn)行組合處理以生成組合節(jié)點(diǎn)圖像；光學(xué)分類(lèi)模塊用于對(duì)輸入的組合節(jié)點(diǎn)圖像進(jìn)行光學(xué)分類(lèi)，以生成光輸出向量。本發(fā)明利用寬度學(xué)習(xí)理論的設(shè)計(jì)原理，將光學(xué)計(jì)算系統(tǒng)從垂直級(jí)聯(lián)結(jié)構(gòu)轉(zhuǎn)換為基于寬度的并行結(jié)構(gòu)；在淺寬結(jié)構(gòu)下，有效解決了聯(lián)光學(xué)映射中的誤差積累問(wèn)題。

技術(shù)研發(fā)人員：雷雨,李維,吳天成,侍佼,劉勛
受保護(hù)的技術(shù)使用者：西北工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6