【技术实现步骤摘要】
本申请涉及光电计算架构，具体而言，涉及一种基于超表面的光电计算芯片的构建方法和光电计算芯片。
技术介绍
1、随着大数据时代的到来，基于人工智能的智能识别技术已经在众多领域得到了应用，例如自动驾驶，医疗，金融，教育，安防等，其可以代替人类去处理大量图像信息，并进行目标识别。
2、目前，适用于智能识别数据处理的算法模型大部分仍基于传统图像识别架构(即传感器-寄存器-处理器)，该结构在处理大场景和多目标图像任务时，对传输带宽、速率、计算算力等都有较高的要求，并且大部分冗余数据仍然会被传输和计算，大大降低了识别效率和精度。
3、针对大场景和多目标的庞大图像数据处理过程中训练能耗高、推理速度慢以及识别精度低等问题，现有的解决方法包括基于大模型的图像识别系统和基于yolo的小型算法。其中，基于大模型的图像识别系统需利用庞大的训练资源进行亿级以上参数的训练，虽然可以获得较高的识别精度，但庞大的模型难以部署在小型终端，而且推理速度较慢，无法快速实时对目标进行识别。而基于yolo的小型算法，虽然可以快速实时的识别物体，但对大规模图...
【技术保护点】
1.一种基于超表面的光电计算芯片的构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，构建光电计算芯片的网络模型，包括：
3.根据权利要求2所述的方法，其特征在于，进行所述超表面光学网络的超表面仿真建模，包括：
4.根据权利要求2所述的方法，其特征在于，所述超表面光学网络包括至少一个卷积超表面层和至少一个池化超表面层；
5.根据权利要求2所述的方法，其特征在于，设置所述电学网络的参数，包括：
6.根据权利要求1所述的方法，其特征在于，通过所述预设的训练数据集进行所述网络模型的训练和测试，并...
【技术特征摘要】
1.一种基于超表面的光电计算芯片的构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，构建光电计算芯片的网络模型，包括：
3.根据权利要求2所述的方法，其特征在于，进行所述超表面光学网络的超表面仿真建模，包括：
4.根据权利要求2所述的方法，其特征在于，所述超表面光学网络包括至少一个卷积超表面层和至少一个池化超表面层；
5.根据权利要求2所述的方法，其特征在于，设置所述电学网络的参数，包括：
6.根据权利要求...
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。