對基于機器學(xué)習(xí)的散射環(huán)境下光學(xué)調(diào)控及成像目前研究的現(xiàn)狀進行梳理。從網(wǎng)絡(luò)類型、網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練方法等方面分析現(xiàn)有技術(shù)的優(yōu)勢與不足,對其發(fā)展脈絡(luò)進行梳理。在此基礎(chǔ)上,進一步討論了基于機器學(xué)習(xí)的散射環(huán)境下光學(xué)調(diào)控及成像技術(shù)的未來發(fā)展方向。 

【文章來源】：光電子技術(shù). 2020,40(04)北大核心

【文章頁數(shù)】：13 頁

【部分圖文】：

散射環(huán)境下兩種調(diào)控方式

Horisaki等率先利用支持向量先后實現(xiàn)了通過散射介質(zhì)和多模光纖的目標，對人臉和非人臉進行了識別[34-35]。實驗過程包括樣本采集、模型訓(xùn)練和測試三個步驟。其中樣本采集是利用光學(xué)成像系統(tǒng)（如圖2(a)和(b)所示）收集散斑和對應(yīng)圖像（圖像顯示在SLM上、CCD采集對應(yīng)散斑）；再將散斑和對應(yīng)原始圖像作為訓(xùn)練樣本對支持向量機進行訓(xùn)練；最后利用訓(xùn)練后的模型對未知散斑進行分類識別�；谏叩姆诸惲鞒倘鐖D3所示[36]。圖3 散斑分類流程[36]

圖2 兩種環(huán)境下人臉識別的實驗平臺樣本采集過程中，作者采用隨機抽樣的方式提取部分散斑像素（分別為25,50,100,200,400和800個像素）作為SVM輸入以降低SVM輸入的維度、提高SVM的訓(xùn)練速度，節(jié)省訓(xùn)練時間。文獻[34]進一步分析了識別精度與像素數(shù)及訓(xùn)練樣本數(shù)目之間的關(guān)系。測試結(jié)果也表明識別率隨著采樣的像素數(shù)目增加而逐漸增加。當(dāng)采樣精度為800像素時，其識別精度更高，達到了97.6%（強散射板）和94.8%（弱散射板），取得了較好的識別效果。

【參考文獻】：
期刊論文
[1]基于深度學(xué)習(xí)的非視域成像[J]. 于亭義,喬木,劉紅林,韓申生.  光學(xué)學(xué)報. 2019(07)
[2]基于光學(xué)傳輸矩陣實現(xiàn)透過散射介質(zhì)的動態(tài)目標成像[J]. 孫雪瑩,王劍南,李偉,劉杰濤,王綱,計婷,邵曉鵬.  中國激光. 2018(12)



本文編號：3020692