加入收藏
 免费注册
 用户登陆
首页 展示 供求 职场 技术 智造 职业 活动 视点 品牌 镨社区
今天是:2024年3月29日 星期五   您现在位于: 首页 →  产通直播 → 光电子(企业动态)
上海光机所等在智能计算成像研究方面取得进展
2020/5/16 17:44:11     

按此在新窗口浏览图片

【产通社,5月16日讯】中国科学院上海光学精密机械研究所(Shanghai Institute of Optics and Fine Mechanics)官网消息,其信息光学与光电技术实验室近期与德国斯图加特大学应用光学研究所、美国麻省理工学院合作,提出并实验验证了一种基于物理模型和深度神经网络的新型计算成像方法,无需大量带标签的数据来完成神经网络训练,将能有力促进人工智能技术在计算成像中的广泛应用。相关成果于5月6日在线发表于《光:科学与应用》(Light: Science & Applications)。

近年来,基于深度学习的方法被广泛应用于计算成像中,在相位恢复、数字全息、单像素成像、散射成像等众多领域取得了一系列令人瞩目的成果。然而,传统基于深度学习的计算成像方法大都采用监督学习的策略,因此需要预先获取大量带标签的数据来训练神经网络,且所获取数据的数量和质量对所得模型的性能具有很大影响,而在实际应用中这一条件往往是难以满足的。尽管此前研究表明,当成像系统的正向物理模型已知时可以通过仿真生成训练数据,但是神经网络的泛化性总是有限的,所得模型只能对类似训练集的场景得到较好的结果。

针对基于深度学习的计算成像方法中训练数据难以获取和模型泛化性有限的问题,研究人员提出将物理模型与神经网络相结合的方法(Physics-enhanced deep neural network, PhysenNet),利用物理模型替代训练数据来驱动网络参数的优化。相比传统数据驱动的端到端深度学习方法,PhysenNet无需获取训练数据且是一种具有普适性的方法。相比模型驱动的优化算法,PhysenNet无需使用显式正则项就能用于病态逆问题(从探测到的物理测量中恢复原始物体信息,在探测阶段存在诸如相位等信息丢失)的求解。

研究人员以计算成像中的经典例子——相位成像来验证该方法的有效性,通过不断迭代使神经网络输出结果经衍射传播和测量过程(物理模型)后计算得到的衍射强度图逐渐逼近实际测量的衍射强度图,随着迭代的进行,神经网络输出结果也逐渐逼近实际待求相位物体。

实验结果表明,在仅使用单张衍射强度图时,PhysenNet的恢复效果优于需在多个离焦面之间来回迭代的Gerchberg-Saxton(GS)算法的恢复效果,且接近数字全息方法的恢复效果。该方法可应用于众多正向物理模型已知的计算成像方法中。

该项工作得到中科院前沿科学重点研究计划、中德中心“中德合作小组”和国家自然科学基金重大项目的支持。

查询进一步信息,请访问官方网站http://www.siom.cas.cn。(robin, 张底剪报)    (完)
→ 『关闭窗口』
 -----
 [ → 我要发表 ]
上篇文章:西安赛宝工业技术研究院有限公司获CNAS认可及CMA资…
下篇文章:上海硅酸盐所“纳米催化抗病毒溶胶”助力中小学校安…
  → 评论内容 (点击查看)
您是否还没有 注册 或还没有 登陆 本站?!
 分类浏览
官网评测>| 官网  社区  APP 
STEAM>| 学术科研  产品艺术  技术规范  前沿学者 
半导体器件>| 产品通报  企业动态  VIP追踪 
电子元件>| 产品通报  企业动态  VIP追踪 
消费电子>| 产品通报  企业动态  VIP追踪 
商业设备>| 产品通报  企业动态  VIP追踪 
电机电气>| 产品通报  企业动态  VIP追踪 
电子材料>| 产品通报  企业动态  VIP追踪 
电子测量>| 产品通报  企业动态  VIP追踪 
电子制造>| 产品通报  企业动态  VIP追踪 
应用案例>| 家庭电子  移动电子  办公电子  通信网络  交通工具  工业电子  安全电子  医疗电子  智能电网  固态照明 
工业控制>| 产品通报  企业动态  VIP追踪 
通信电子>| 产品通报  企业动态  VIP追踪 
交通工具>| 产品通报  企业动态  VIP追踪 
基础工业>| 产品通报  企业动态  VIP追踪 
农业科技>| 产品通报  企业动态  专家追踪 
信息服务>| 企业动态 
光电子>| 企业动态 
关于我们 ┋ 免责声明 ┋ 产品与服务 ┋ 联系我们 ┋ About 365PR ┋ Join 365PR
Copyright @ 2005-2008 365pr.net Ltd. All Rights Reserved. 深圳市产通互联网有限公司 版权所有
E-mail:postmaster@365pr.net 不良信息举报 备案号:粤ICP备06070889号