chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

利用全卷積神經(jīng)網(wǎng)絡生成多深度三維全息

西安中科微星 ? 來源:西安中科微星 ? 作者:西安中科微星 ? 2024-06-21 14:00 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

空間光調(diào)制器是一種在主動控制下利用自身屬性對輸入光的振幅、相位等參量做調(diào)制輸出的光學器件,通過對光波波前、光波波束進行量化及指向性的控制,在最終接受面獲得預期的光場分布。將空間光調(diào)制器應用在光學神經(jīng)網(wǎng)絡已經(jīng)過幾十年的發(fā)展,并且隨著空間光調(diào)制器調(diào)制精度的提升以及計算算法的不斷優(yōu)化,光學神經(jīng)網(wǎng)絡的巨大潛力也不斷地被挖掘,在機器視覺、醫(yī)學影像處理、光學傳感器網(wǎng)絡等領域都有著潛在的應用前景。

論文信息

wKgZomZ1E0-AMTKlAAJttB4LLz4727.png

本文介紹了一種利用全卷積神經(jīng)網(wǎng)絡(FCN)生成多深度相位全息的方法。該方法主要涉及一個前向-后向衍射框架來計算多深度衍射場,以及一個逐層替換方法(L2RM)來處理遮擋關(guān)系。由前者計算的衍射場被輸入到精心設計的FCN中,它利用其強大的非線性擬合能力來生成3D場景的多深度全息圖。后者可以通過補充被遮擋物體的信息,使場景重建中不同層的邊界進行平滑處理,從而提高全息圖的重建質(zhì)量。實驗中通過將計算全息圖(computer-generated hologram,CGH)加載到核心組件空間光調(diào)制器(spatial light modulator,SLM)上,實現(xiàn)刷新和動態(tài)3D顯示。

部分實驗過程及實驗結(jié)果

實驗中使用波長為638(±8)nm、功率為30mW的非偏振半導體激光器,如圖1所示,光纖的輸出端放置在焦距為100mm的準直透鏡焦點處來獲得平面波,使用中性密度濾波器作為衰減器和偏振器來獲得線偏光。旋轉(zhuǎn)半波片(HWP)使得光的偏振方向與LCOS配向角方向一致,接著插入一個矩形孔徑,得到矩形輪廓。利用空間光調(diào)制器(中科微星 FSLM-4K70-P02)對入射光進行相位調(diào)制和反射,再使用焦距為100mm的傅里葉透鏡進一步放大重建場景。采用空間濾波器,使所需的衍射階通過,其他衍射階濾波。重建后的放大3D場景使用相機拍攝。

wKgZomZ1E2SASpN0AAsCHvb0c_4621.png圖1 實驗裝置(相位型空間光調(diào)制器,型號:FSLM-4K70-P02)

實驗中所采用空間光調(diào)制器的參數(shù)規(guī)格如下:

wKgaomZ1E3SAD-5kAAHCiJmRCjU378.png

型號
FSLM-4K70-P02
調(diào)制類型
相位型
液晶類型
反射式 灰度等級 8位,256階
像素數(shù)
4094×2400
像元大小 3.74μm
有效區(qū)域
0.7"
15.31mm×8.98mm
相位范圍 2π@633nm
填充因子 90% 光學利用率 60%@532nm
配向角
衍射效率 >97%@32階 633nm
刷新頻率
60Hz 光學利用率 35%@532nm
電源輸入
12V 2A 響應時間
上升10.8ms,下降18.5ms
損傷閾值
2W/cm2 數(shù)據(jù)接口
HDMI

wKgaomZ1E3yAKG7cABfcve3pcPY656.png圖2三維圖形數(shù)據(jù)集的生成。A)3D隨機場景。B)取樣過程。C)強度圖像。D)深度圖像。E)三維圖形數(shù)據(jù)集。

wKgaomZ1E4yAJG2tAA16j_QnYR0348.png圖3 用FCN生成多深度全息圖。A)利用前后衍射框架計算多深度衍射場。B)FCN的結(jié)構(gòu)。C)多深度誤差的計算。

wKgZomZ1E5uAdggsADTLDPHYrBo834.png圖4 重建圖像的質(zhì)量比較。A)目標場景。B) 分別對應標準方法和L2RM的數(shù)值重建。C) 分別對應標準方法和L2RM的光學重建。

wKgZomZ1FEGAWc88ABUJ4SUjnpE678.png圖5 復雜的三維場景和相應的全息圖。A)強度圖像和B)三維場景的深度圖像。C)由FCN生成的多深度全息圖。

wKgZomZ1FmKACCBwACMdfYGfxhM158.png圖6 A) WH、B) DPH和C) L2RM的數(shù)值重建和光學重建。第1、3、5行的圖像表示數(shù)值重建,而第2、4、6行表示光學重建。在第1列和第2列中,相機分別聚焦于“足球-吉他”的前聚焦平面(“足球”)和后聚焦平面(“吉他”)。在第3列和第4列中,相機分別聚焦于“飛機-狗”的前對焦平面(“飛機”)和后對焦平面(“狗”)。

wKgaomZ1FmyAWVm5ABxjce9q0dA321.png圖7 在不同深度的平面上重建對象。

寫在最后

光神經(jīng)網(wǎng)絡因具有并行大規(guī)模計算、低功耗運行以及快速響應的潛力而受人們的廣泛關(guān)注,而空間光調(diào)制器作為衍射器件在衍射神經(jīng)網(wǎng)絡中扮演著重要角色,并且應用在眾多領域中,例如AR/VR的3D全息成像計算、生物醫(yī)學成像、光學傳感等。基于衍射神經(jīng)網(wǎng)絡的可編程能力,未來有望實現(xiàn)更高性能的衍射神經(jīng)網(wǎng)絡。

審核編輯 黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 神經(jīng)網(wǎng)絡

    關(guān)注

    42

    文章

    4838

    瀏覽量

    107856
  • 三維全息
    +關(guān)注

    關(guān)注

    0

    文章

    5

    瀏覽量

    6034
  • 光調(diào)制器
    +關(guān)注

    關(guān)注

    0

    文章

    94

    瀏覽量

    8900
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    昊衡科技 芯光纖三維形狀傳感系統(tǒng),精準感知!

    光纖設備的三維形狀傳感系統(tǒng),提供從數(shù)據(jù)采集到三維重構(gòu)的鏈路形狀傳感解決方案。該系統(tǒng)采用先進的芯光纖作為傳感載體,結(jié)合高精度OFDR解調(diào)技術(shù)和三維
    的頭像 發(fā)表于 01-14 17:56 ?412次閱讀
    昊衡科技 <b class='flag-5'>多</b>芯光纖<b class='flag-5'>三維</b>形狀傳感系統(tǒng),精準感知!

    神經(jīng)網(wǎng)絡的初步認識

    日常生活中的智能應用都離不開深度學習,而深度學習則依賴于神經(jīng)網(wǎng)絡的實現(xiàn)。什么是神經(jīng)網(wǎng)絡?神經(jīng)網(wǎng)絡的核心思想是模仿生物
    的頭像 發(fā)表于 12-17 15:05 ?338次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡</b>的初步認識

    自動駕駛中常提的卷積神經(jīng)網(wǎng)絡是個啥?

    在自動駕駛領域,經(jīng)常會聽到卷積神經(jīng)網(wǎng)絡技術(shù)。卷積神經(jīng)網(wǎng)絡,簡稱為CNN,是一種專門用來處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學習模型。CNN在圖像
    的頭像 發(fā)表于 11-19 18:15 ?2086次閱讀
    自動駕駛中常提的<b class='flag-5'>卷積</b><b class='flag-5'>神經(jīng)網(wǎng)絡</b>是個啥?

    CNN卷積神經(jīng)網(wǎng)絡設計原理及在MCU200T上仿真測試

    CNN算法簡介 我們硬件加速器的模型為Lenet-5的變型,網(wǎng)絡粗略分共有7層,細分共有13層。包括卷積,最大池化層,激活層,扁平層,連接層。下面是各層作用介紹: 卷積層:提取
    發(fā)表于 10-29 07:49

    NMSISI庫的使用

    :   神經(jīng)網(wǎng)絡卷積函數(shù)   神經(jīng)網(wǎng)絡激活函數(shù)   連接層函數(shù)   神經(jīng)網(wǎng)絡池化函數(shù)   Softmax 函數(shù)   
    發(fā)表于 10-29 07:07

    NMSIS神經(jīng)網(wǎng)絡庫使用介紹

    :   神經(jīng)網(wǎng)絡卷積函數(shù)   神經(jīng)網(wǎng)絡激活函數(shù)   連接層函數(shù)   神經(jīng)網(wǎng)絡池化函數(shù)   Softmax 函數(shù)   
    發(fā)表于 10-29 06:08

    構(gòu)建CNN網(wǎng)絡模型并優(yōu)化的一般化建議

    整個模型非常巨大。所以要想實現(xiàn)輕量級的CNN神經(jīng)網(wǎng)絡模型,首先應該避免嘗試單層神經(jīng)網(wǎng)絡。 2)減少卷積核的大小:CNN神經(jīng)網(wǎng)絡是通過權(quán)值共享的方式,
    發(fā)表于 10-28 08:02

    卷積運算分析

    的數(shù)據(jù),故設計了ConvUnit模塊實現(xiàn)單個感受域規(guī)模的卷積運算. 卷積運算:不同于數(shù)學當中提及到的卷積概念,CNN神經(jīng)網(wǎng)絡中的卷積嚴格意義
    發(fā)表于 10-28 07:31

    在Ubuntu20.04系統(tǒng)中訓練神經(jīng)網(wǎng)絡模型的一些經(jīng)驗

    模型。 我們使用MNIST數(shù)據(jù)集,訓練一個卷積神經(jīng)網(wǎng)絡(CNN)模型,用于手寫數(shù)字識別。一旦模型被訓練并保存,就可以用于對新圖像進行推理和預測。要使用生成的模型進行推理,可以按照以下步驟進行操作: 1.
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡部署相關(guān)操作

    讀取。接下來需要使用擴展指令,完成神經(jīng)網(wǎng)絡的部署,此處僅對第一層卷積+池化的部署進行說明,其余層與之類似。 1.使用 Custom_Dtrans 指令,將權(quán)重數(shù)據(jù)、輸入數(shù)據(jù)導入硬件加速器內(nèi)。對于權(quán)重
    發(fā)表于 10-20 08:00

    卷積神經(jīng)網(wǎng)絡如何監(jiān)測皮帶堵料情況 #人工智能

    卷積神經(jīng)網(wǎng)絡
    jf_60804796
    發(fā)布于 :2025年07月01日 17:08:42

    航天宏圖棧式3DGS實景三維重建系統(tǒng)解決方案

    表達的核心技術(shù),通過相機、傳感器等設備獲取物理空間數(shù)據(jù),并結(jié)合計算機視覺與圖形學算法,將二圖像轉(zhuǎn)換為三維模型。目前,主流的三維重建方法包括傾斜攝影(視角立體重建)、激光掃描和
    的頭像 發(fā)表于 06-27 09:28 ?1675次閱讀
    航天宏圖<b class='flag-5'>全</b>棧式3DGS實景<b class='flag-5'>三維</b>重建系統(tǒng)解決方案

    VirtualLab:光學系統(tǒng)的三維可視化

    元件和探測器的位置,以及快速了解光在系統(tǒng)內(nèi)的傳播。所應用的三維視圖建模技術(shù)可與經(jīng)典的光線追跡相媲美。 如何生成一個系統(tǒng)視圖文檔 一個光學系統(tǒng)的三維視圖可以通過兩種不同的方式生成: 1
    發(fā)表于 05-30 08:45

    GLAD應用:體全息光柵模擬

    和Brady提出體全息成像技術(shù),采用體全息光柵作為選擇成像元件,對物體進行實時三維成像。與采用常規(guī)光學透鏡的成像系統(tǒng)相比,體全息成像技術(shù)僅利用
    發(fā)表于 05-15 09:32

    自動駕駛感知系統(tǒng)中卷積神經(jīng)網(wǎng)絡原理的疑點分析

    背景 卷積神經(jīng)網(wǎng)絡(Convolutional Neural Networks, CNN)的核心技術(shù)主要包括以下幾個方面:局部連接、權(quán)值共享、卷積核以及池化。這些技術(shù)共同作用,使得C
    的頭像 發(fā)表于 04-07 09:15 ?859次閱讀
    自動駕駛感知系統(tǒng)中<b class='flag-5'>卷積</b><b class='flag-5'>神經(jīng)網(wǎng)絡</b>原理的疑點分析