日B视频 亚洲,啪啪啪网站一区二区,91色情精品久久,日日噜狠狠色综合久,超碰人妻少妇97在线,999青青视频,亚洲一区二卡,让本一区二区视频,日韩网站推荐

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線(xiàn)課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

利用全卷積神經(jīng)網(wǎng)絡(luò)生成多深度三維全息

西安中科微星 ? 來(lái)源:西安中科微星 ? 作者:西安中科微星 ? 2024-06-21 14:00 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

空間光調(diào)制器是一種在主動(dòng)控制下利用自身屬性對(duì)輸入光的振幅、相位等參量做調(diào)制輸出的光學(xué)器件,通過(guò)對(duì)光波波前、光波波束進(jìn)行量化及指向性的控制,在最終接受面獲得預(yù)期的光場(chǎng)分布。將空間光調(diào)制器應(yīng)用在光學(xué)神經(jīng)網(wǎng)絡(luò)已經(jīng)過(guò)幾十年的發(fā)展,并且隨著空間光調(diào)制器調(diào)制精度的提升以及計(jì)算算法的不斷優(yōu)化,光學(xué)神經(jīng)網(wǎng)絡(luò)的巨大潛力也不斷地被挖掘,在機(jī)器視覺(jué)、醫(yī)學(xué)影像處理、光學(xué)傳感器網(wǎng)絡(luò)等領(lǐng)域都有著潛在的應(yīng)用前景。

論文信息

wKgZomZ1E0-AMTKlAAJttB4LLz4727.png

本文介紹了一種利用全卷積神經(jīng)網(wǎng)絡(luò)(FCN)生成多深度相位全息的方法。該方法主要涉及一個(gè)前向-后向衍射框架來(lái)計(jì)算多深度衍射場(chǎng),以及一個(gè)逐層替換方法(L2RM)來(lái)處理遮擋關(guān)系。由前者計(jì)算的衍射場(chǎng)被輸入到精心設(shè)計(jì)的FCN中,它利用其強(qiáng)大的非線(xiàn)性擬合能力來(lái)生成3D場(chǎng)景的多深度全息圖。后者可以通過(guò)補(bǔ)充被遮擋物體的信息,使場(chǎng)景重建中不同層的邊界進(jìn)行平滑處理,從而提高全息圖的重建質(zhì)量。實(shí)驗(yàn)中通過(guò)將計(jì)算全息圖(computer-generated hologram,CGH)加載到核心組件空間光調(diào)制器(spatial light modulator,SLM)上,實(shí)現(xiàn)刷新和動(dòng)態(tài)3D顯示。

部分實(shí)驗(yàn)過(guò)程及實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)中使用波長(zhǎng)為638(±8)nm、功率為30mW的非偏振半導(dǎo)體激光器,如圖1所示,光纖的輸出端放置在焦距為100mm的準(zhǔn)直透鏡焦點(diǎn)處來(lái)獲得平面波,使用中性密度濾波器作為衰減器和偏振器來(lái)獲得線(xiàn)偏光。旋轉(zhuǎn)半波片(HWP)使得光的偏振方向與LCOS配向角方向一致,接著插入一個(gè)矩形孔徑,得到矩形輪廓。利用空間光調(diào)制器(中科微星 FSLM-4K70-P02)對(duì)入射光進(jìn)行相位調(diào)制和反射,再使用焦距為100mm的傅里葉透鏡進(jìn)一步放大重建場(chǎng)景。采用空間濾波器,使所需的衍射階通過(guò),其他衍射階濾波。重建后的放大3D場(chǎng)景使用相機(jī)拍攝。

wKgZomZ1E2SASpN0AAsCHvb0c_4621.png圖1 實(shí)驗(yàn)裝置(相位型空間光調(diào)制器,型號(hào):FSLM-4K70-P02)

實(shí)驗(yàn)中所采用空間光調(diào)制器的參數(shù)規(guī)格如下:

wKgaomZ1E3SAD-5kAAHCiJmRCjU378.png

型號(hào)
FSLM-4K70-P02
調(diào)制類(lèi)型
相位型
液晶類(lèi)型
反射式 灰度等級(jí) 8位,256階
像素?cái)?shù)
4094×2400
像元大小 3.74μm
有效區(qū)域
0.7"
15.31mm×8.98mm
相位范圍 2π@633nm
填充因子 90% 光學(xué)利用率 60%@532nm
配向角
衍射效率 >97%@32階 633nm
刷新頻率
60Hz 光學(xué)利用率 35%@532nm
電源輸入
12V 2A 響應(yīng)時(shí)間
上升10.8ms,下降18.5ms
損傷閾值
2W/cm2 數(shù)據(jù)接口
HDMI

wKgaomZ1E3yAKG7cABfcve3pcPY656.png圖2三維圖形數(shù)據(jù)集的生成。A)3D隨機(jī)場(chǎng)景。B)取樣過(guò)程。C)強(qiáng)度圖像。D)深度圖像。E)三維圖形數(shù)據(jù)集。

wKgaomZ1E4yAJG2tAA16j_QnYR0348.png圖3 用FCN生成多深度全息圖。A)利用前后衍射框架計(jì)算多深度衍射場(chǎng)。B)FCN的結(jié)構(gòu)。C)多深度誤差的計(jì)算。

wKgZomZ1E5uAdggsADTLDPHYrBo834.png圖4 重建圖像的質(zhì)量比較。A)目標(biāo)場(chǎng)景。B) 分別對(duì)應(yīng)標(biāo)準(zhǔn)方法和L2RM的數(shù)值重建。C) 分別對(duì)應(yīng)標(biāo)準(zhǔn)方法和L2RM的光學(xué)重建。

wKgZomZ1FEGAWc88ABUJ4SUjnpE678.png圖5 復(fù)雜的三維場(chǎng)景和相應(yīng)的全息圖。A)強(qiáng)度圖像和B)三維場(chǎng)景的深度圖像。C)由FCN生成的多深度全息圖。

wKgZomZ1FmKACCBwACMdfYGfxhM158.png圖6 A) WH、B) DPH和C) L2RM的數(shù)值重建和光學(xué)重建。第1、3、5行的圖像表示數(shù)值重建,而第2、4、6行表示光學(xué)重建。在第1列和第2列中,相機(jī)分別聚焦于“足球-吉他”的前聚焦平面(“足球”)和后聚焦平面(“吉他”)。在第3列和第4列中,相機(jī)分別聚焦于“飛機(jī)-狗”的前對(duì)焦平面(“飛機(jī)”)和后對(duì)焦平面(“狗”)。

wKgaomZ1FmyAWVm5ABxjce9q0dA321.png圖7 在不同深度的平面上重建對(duì)象。

寫(xiě)在最后

光神經(jīng)網(wǎng)絡(luò)因具有并行大規(guī)模計(jì)算、低功耗運(yùn)行以及快速響應(yīng)的潛力而受人們的廣泛關(guān)注,而空間光調(diào)制器作為衍射器件在衍射神經(jīng)網(wǎng)絡(luò)中扮演著重要角色,并且應(yīng)用在眾多領(lǐng)域中,例如AR/VR的3D全息成像計(jì)算、生物醫(yī)學(xué)成像、光學(xué)傳感等?;谘苌渖窠?jīng)網(wǎng)絡(luò)的可編程能力,未來(lái)有望實(shí)現(xiàn)更高性能的衍射神經(jīng)網(wǎng)絡(luò)。

審核編輯 黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    GLAD應(yīng)用:體全息光柵模擬

    和Brady提出體全息成像技術(shù),采用體全息光柵作為選擇成像元件,對(duì)物體進(jìn)行實(shí)時(shí)三維成像。與采用常規(guī)光學(xué)透鏡的成像系統(tǒng)相比,體全息成像技術(shù)僅利用
    發(fā)表于 04-24 08:25

    FPGA實(shí)現(xiàn)CNN卷積層的高效窗口生成模塊設(shè)計(jì)與驗(yàn)證

    卷積神經(jīng)網(wǎng)絡(luò)(CNN)可以分為卷積層、池化層、激活層、鏈接層結(jié)構(gòu),本篇要實(shí)現(xiàn)的,就是CNN的卷積層中的window窗。
    的頭像 發(fā)表于 04-15 10:35 ?237次閱讀
    FPGA實(shí)現(xiàn)CNN<b class='flag-5'>卷積</b>層的高效窗口<b class='flag-5'>生成</b>模塊設(shè)計(jì)與驗(yàn)證

    卷積神經(jīng)網(wǎng)絡(luò)如何讓自動(dòng)駕駛識(shí)別障礙物?

    自動(dòng)駕駛的發(fā)展過(guò)程中,感知系統(tǒng)一直承擔(dān)車(chē)輛“眼睛”的角色,其核心任務(wù)是讓計(jì)算機(jī)理解復(fù)雜多變的物理世界。卷積神經(jīng)網(wǎng)絡(luò)(CNN)作為一種專(zhuān)門(mén)用于處理圖像和視頻等網(wǎng)格狀數(shù)據(jù)結(jié)構(gòu)的深度學(xué)習(xí)模型,已經(jīng)成為自動(dòng)駕駛感知的基石。
    的頭像 發(fā)表于 04-11 09:59 ?1531次閱讀
    <b class='flag-5'>卷積</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>如何讓自動(dòng)駕駛識(shí)別障礙物?

    深度學(xué)習(xí)驅(qū)動(dòng)的超構(gòu)表面設(shè)計(jì)進(jìn)展及其在全息成像中的應(yīng)用

    當(dāng)前,深度學(xué)習(xí)技術(shù)與超構(gòu)表面(metasurface)全息成像技術(shù)的融合,有力推動(dòng)了光學(xué)成像領(lǐng)域的發(fā)展。得益于超構(gòu)表面對(duì)光波特性的精準(zhǔn)調(diào)控,全息成像技術(shù)經(jīng)處理后可生成對(duì)應(yīng)的
    的頭像 發(fā)表于 04-09 13:55 ?192次閱讀
    <b class='flag-5'>深度</b>學(xué)習(xí)驅(qū)動(dòng)的超構(gòu)表面設(shè)計(jì)進(jìn)展及其在<b class='flag-5'>全息</b>成像中的應(yīng)用

    昊衡科技 芯光纖三維形狀傳感系統(tǒng),精準(zhǔn)感知!

    光纖設(shè)備的三維形狀傳感系統(tǒng),提供從數(shù)據(jù)采集到三維重構(gòu)的鏈路形狀傳感解決方案。該系統(tǒng)采用先進(jìn)的芯光纖作為傳感載體,結(jié)合高精度OFDR解調(diào)技術(shù)和三維
    的頭像 發(fā)表于 01-14 17:56 ?670次閱讀
    昊衡科技 <b class='flag-5'>多</b>芯光纖<b class='flag-5'>三維</b>形狀傳感系統(tǒng),精準(zhǔn)感知!

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開(kāi)深度學(xué)習(xí),而深度學(xué)習(xí)則依賴(lài)于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物
    的頭像 發(fā)表于 12-17 15:05 ?499次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    自動(dòng)駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個(gè)啥?

    在自動(dòng)駕駛領(lǐng)域,經(jīng)常會(huì)聽(tīng)到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡(jiǎn)稱(chēng)為CNN,是一種專(zhuān)門(mén)用來(lái)處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN在圖像
    的頭像 發(fā)表于 11-19 18:15 ?2290次閱讀
    自動(dòng)駕駛中常提的<b class='flag-5'>卷積</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是個(gè)啥?

    CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)原理及在MCU200T上仿真測(cè)試

    CNN算法簡(jiǎn)介 我們硬件加速器的模型為L(zhǎng)enet-5的變型,網(wǎng)絡(luò)粗略分共有7層,細(xì)分共有13層。包括卷積,最大池化層,激活層,扁平層,連接層。下面是各層作用介紹: 卷積層:提取
    發(fā)表于 10-29 07:49

    NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

    :   神經(jīng)網(wǎng)絡(luò)卷積函數(shù)   神經(jīng)網(wǎng)絡(luò)激活函數(shù)   連接層函數(shù)   神經(jīng)網(wǎng)絡(luò)池化函數(shù)   Softmax 函數(shù)   
    發(fā)表于 10-29 06:08

    構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的一般化建議

    整個(gè)模型非常巨大。所以要想實(shí)現(xiàn)輕量級(jí)的CNN神經(jīng)網(wǎng)絡(luò)模型,首先應(yīng)該避免嘗試單層神經(jīng)網(wǎng)絡(luò)。 2)減少卷積核的大?。篊NN神經(jīng)網(wǎng)絡(luò)是通過(guò)權(quán)值共享的方式,
    發(fā)表于 10-28 08:02

    卷積運(yùn)算分析

    的數(shù)據(jù),故設(shè)計(jì)了ConvUnit模塊實(shí)現(xiàn)單個(gè)感受域規(guī)模的卷積運(yùn)算. 卷積運(yùn)算:不同于數(shù)學(xué)當(dāng)中提及到的卷積概念,CNN神經(jīng)網(wǎng)絡(luò)中的卷積嚴(yán)格意義
    發(fā)表于 10-28 07:31

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    模型。 我們使用MNIST數(shù)據(jù)集,訓(xùn)練一個(gè)卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型,用于手寫(xiě)數(shù)字識(shí)別。一旦模型被訓(xùn)練并保存,就可以用于對(duì)新圖像進(jìn)行推理和預(yù)測(cè)。要使用生成的模型進(jìn)行推理,可以按照以下步驟進(jìn)行操作: 1.
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    讀取。接下來(lái)需要使用擴(kuò)展指令,完成神經(jīng)網(wǎng)絡(luò)的部署,此處僅對(duì)第一層卷積+池化的部署進(jìn)行說(shuō)明,其余層與之類(lèi)似。 1.使用 Custom_Dtrans 指令,將權(quán)重?cái)?shù)據(jù)、輸入數(shù)據(jù)導(dǎo)入硬件加速器內(nèi)。對(duì)于權(quán)重
    發(fā)表于 10-20 08:00

    卷積神經(jīng)網(wǎng)絡(luò)如何監(jiān)測(cè)皮帶堵料情況 #人工智能

    卷積神經(jīng)網(wǎng)絡(luò)
    jf_60804796
    發(fā)布于 :2025年07月01日 17:08:42

    GLAD應(yīng)用:體全息光柵模擬

    和Brady提出體全息成像技術(shù),采用體全息光柵作為選擇成像元件,對(duì)物體進(jìn)行實(shí)時(shí)三維成像。與采用常規(guī)光學(xué)透鏡的成像系統(tǒng)相比,體全息成像技術(shù)僅利用
    發(fā)表于 05-15 09:32
    耿马| 涟源市| 金门县| 阜平县| 缙云县| 肥东县| 即墨市| 博乐市| 柳河县| 香河县| 五常市| 习水县| 阿拉善盟| 延安市| 阿图什市| 东莞市| 庆城县| 泌阳县| 鱼台县| 南充市| 昔阳县| 涪陵区| 辽源市| 南皮县| 梁河县| 安平县| 宕昌县| 长宁区| 汉源县| 焉耆| 新绛县| 封丘县| 聊城市| 连云港市| 广河县| 白银市| 台南县| 高邑县| 安远县| 长子县| 巴东县|