【技术实现步骤摘要】
本专利技术涉及一种光学衍射神经网络的优化方法，属于光学衍射神经网络。
技术介绍
1、光学衍射神经网络充分利用了光计算高速、低耗及并行处理等优势，在计算机视觉任务中具有独特优势，比如图像分类、显著性目标检测、扩散介质成像等。通过设计损失函数优化衍射层的相位的调制信息，可实现特定的计算推理任务。
2、目前，用于图像分类任务的光学衍射神经网络的损失函数有两种主要类型：均方误差损失函数和交叉熵损失函数。均方误差损失函数基于回归损失设计原理，能够很好地实现光学衍射神经网络的输出光场按照定向区域分布，保持较高的衍射效率，但是图像分类的精度不高。交叉熵损失函数基于分类损失设计原理，可以实现较高的分类精度，但是会导致光学衍射神经网络系统的整体衍射效率降低，影响后续检测分析。
3、因此，本领域技术人员需要克服图像分类任务中光学衍射神经网络模型在实现高分类精度的同时整个模型的衍射效率不高的问题。
技术实现思路
1、目的：为了克服现有技术中存在的不足，本专利技术提供一种光学衍射神经网络的...
【技术保护点】
1.一种光学衍射神经网络的优化方法其特征在于：具体包括：
2.根据权利要求1所述的一种光学衍射神经网络的优化方法，其特征在于：所述的光学衍射神经网络，包括前向传播模型和反向传播模型；根据瑞利-索末菲衍射理论建立前向传播模型，由前向传播模型实现输入光场到输出平面的光场传输，用于图像分类任务；根据反向传播算法实现反向传播模型，优化光学衍射层的相位参数分布。
3.根据权利要求2所述的一种光学衍射神经网络的优化方法，其特征在于：所述前向传播模型的表达式如下：
4.根据权利要求3所述的一种光学衍射神经网络的优化方法，其特征在于：
...
【技术特征摘要】
1.一种光学衍射神经网络的优化方法其特征在于：具体包括：
2.根据权利要求1所述的一种光学衍射神经网络的优化方法，其特征在于：所述的光学衍射神经网络，包括前向传播模型和反向传播模型；根据瑞利-索末菲衍射理论建立前向传播模型，由前向传播模型实现输入光场到输出平面的光场传输，用于图像分类任务；根据反向传播算法实现反向传播模型，优化光学衍射层的相位参数分布。
3.根据权利要求2所述的一种光学衍射神经网络的优化方法，其特征在于：所述前向传播模型的表达式如下：
4.根据权利要求3所述的一种光学衍射神经网络的优化方法，其特征在于：
5.根据权利要求2所述的一种光学衍射神经网络的优化方法，其特征在于：所述的...
【专利技术属性】
技术研发人员：吕昌贵，范孟光，金述平，赵湘岳，夏雨轩，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。