展示柜货号:未知 上理工团队开发超快速的卷积光学神经网络助力人工智能成像
磁电阻率传感元件成像处理串联和并联谐振电路成果鉴定串联电路磁与电磁串联电阻传感器磁控溅射法近日,由上海理工大学智能科技学院顾敏院士和张启明教授领衔的研究团队,开发了一种超快速的卷积光学神经网络(ONN),这一技术在无需依赖光学记忆效应的情况下,实现了对散射介质后的物体进行高效一触即发(中国)官网、清晰成像。这不仅颠覆传统光学成像技术,也证明了卷积网络在人工智能领域的应用潜力。该成果于6月14日以 基于超快卷积光学神经网络的非记忆效应散射成像为题发表于《科学》子刊《科学进展》(Science Advances)上,智能科技学院张雨超特聘研究员为第一作者,顾敏和张启明为共同通讯作者。
张雨超介绍,CNN作为目前为止应用最为广泛的指一种人工智能神经网络架构,它由生物的视觉皮层系统发展而来,视觉皮层结构由Hubel和Wiesel于1981年所提出并获诺贝尔奖。其核心是卷积操作,通过提取图像的局部特征并逐层构建更为复杂和抽象的特征表示,大大推动了图像处理和模式识别领域的发展。
然而,将这一概念应用于光学领域一触即发(中国)官网,面临着将电子信号转换为光学信号的挑战。因此,研究团队巧妙地设计了一种全光学的解决方案一触即发(中国)官网,通过在光域中直接进行卷积网络操作,省去了繁琐的信号转换过程,实现了真正的光速计算。
这项技术构建了一个多阶段的卷积网络ONN,它由多个并行核心组成,能够以光速进行操作,直接从散射光中提取特征,实现图像的快速重建。这一过程不仅极大地提高了成像速度,还显著增强了成像质量,使得在复杂散射环境中的成像成为可能。同时,ONN的计算速度达到了每秒1570万亿次操作,为实时动态成像提供支持。
此技术另一大亮点是,多任务处理能力。通过简单地调整网络结构,同一ONN能够同时执行多种不同的图像处理任务,在光学人工智能领域尚属首次。张启明表示,这种灵活性和效率的结合,不仅展示了卷积网络在人工智能中的重要性,也为光学成像技术开辟了新的道路。
顾敏表示,随着技术的不断发展和完善,卷积光学神经网络将在自动驾驶、机器人视觉、医学成像等多个领域发挥更大作用,为人类的生活带来更多便利,为科学研究提供更强大的工具。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
加内特回应爱德华兹此前言论:20年前你不能后撤步投篮 投了就必须进但我们会让你哪里也去不了
“今日俄罗斯”国际通讯社副总编:愿与《人民日报》等合作伙伴共同捍卫全球信息真相
63岁陈冲写下33万字《猫鱼》,姜文:你能不写吗?陈冲:不,我不能不写
知情人士:苹果押注AI手机或大受欢迎 供应商新款iPhone订货量同比增超10%
vivo TWS 3i 蓝牙耳机亮相:最长 50 小时续航,9 月 5 日发布
英特尔Arc 140V Xe2 GPU OpenCL 跑分曝光:超过 Arc A370M
英特尔发布至强 W-3500、W-2500 系列工作站处理器一触即发(中国)官网,至多 60 核