光神经网络ONN：直接对光信号进行神经网络处理

出品人：Towhee 技术团队 张晨、顾梦佳

光学成像通常用于工业界和学术界的科学和技术应用。光学神经网络 (Optical neural networks，ONN) 提供了一个在模拟、光学领域处理数据的平台。 然而，基于 ONN 的传感器仅限于线性处理，但非线性是深度的先决条件，多层神经网络在许多任务上明显优于浅层神经网络。 目前的技术已经成功实现了用于图像传感的多层 ONN 预处理器，使用商业图像增强器作为并行光电、光到光非线性激活函数。 非线性 ONN 预处理器可以实现高达 800:1 的压缩比，同时仍然可以在多个具有代表性的计算机视觉任务中实现高精度，包括机器视觉基准测试、流式细胞术图像分类和真实物体识别场景。实验发现，ONN 的非线性和深度使其优于纯线性 ONN 编码器。 这些 ONN 传感器可以通过在空间、时间和/或光谱维度上预处理光学信息来超越传统传感器，可能具有相干和量子质量，所有这些都在光学域中进行。

A multilayer optical-neural-network encoder as a frontend for image sensing

ONN 通过直接成像与光学编码进行图像传感。 在传统的图像传感中，图像由相机收集，并通常使用神经网络 (NN) 进行处理，以提取一小段相关信息，例如限速或标志文本。 光神经网络 (ONN) 编码器不是将场景的完整图像直接地再现到传感器阵列上，而是对图像进行预处理，仅压缩和提取其最终使用所需的图像信息，从而允许更小的（更少的像素）传感器阵列。

相关资料：

• 论文链接：https://arxiv.org/abs/2207.14...