Оптическая классификация изображений на различных длинах волн с использованием спектральных дифракционных нейронных сетей
Автор: Мотз Г.А., Сошников Д.В., Досколович Л.Л., Бызов Е.В., Безус Е.А., Быков Д.А.
Журнал: Компьютерная оптика @computer-optics
Рубрика: Дифракционная оптика, оптические технологии
Статья в выпуске: 2 т.49, 2025 года.
Бесплатный доступ
Предложен метод расчета дифракционной нейронной сети (ДНС) для решения различных задач классификации изображений на различных длинах волн. В рамках метода задача расчета ДНС формулируется как задача минимизации функционала, зависящего от функций высот микрорельефа дифракционных оптических элементов, образующих ДНС, и представляющего ошибку решения заданных задач классификации на расчетных длинах волн. Для производных функционала получены явные выражения, и на этой основе сформулирован градиентный метод расчета дифракционной нейронной сети. С использованием предложенного градиентного метода рассчитаны ДНС для решения трех различных задач классификации изображений на трех длинах волн. Представленные результаты моделирования работы рассчитанных ДНС демонстрируют хорошие рабочие характеристики предложенного метода.
Задача классификации изображений, дифракционная нейронная сеть, каскадный дифракционный оптический элемент, дифракционный микрорельеф, скалярная теория дифракции, оптимизация, градиентный метод
Короткий адрес: https://sciup.org/140310459
IDR: 140310459 | DOI: 10.18287/2412-6179-CO-1536
Optical classification of images at different wavelengths using spectral diffractive neural networks
A solution of several different problems of image classification at several different wavelengths using a diffractive neural network (DNN) consisting of sequentially located phase diffractive optical elements (DOEs) is considered. To solve the classification problems, the problem of calculating the DNN is formulated as that of minimizing a functional that depends on the functions of the DOE diffractive microrelief heights - which form a DNN - and represents an error in solving the classification problems in question at the operating wavelengths. Explicit expressions are obtained for the functional derivatives and on this basis, a gradient method for calculating the DNN is formulated. Using the proposed gradient method, DNNs are calculated intended for solving three different problems of image classification at three different wavelengths. The presented simulation results of the calculated DNNs demonstrate their good performance characteristics and confirm the good performance of the proposed method.
