論文の概要: Misaligned orientations of 4f optical neural network for image classification accuracy on various datasets

• arxiv url: http://arxiv.org/abs/2210.08004v1
• Date: Wed, 5 Oct 2022 08:58:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-23 20:54:16.016645
• Title: Misaligned orientations of 4f optical neural network for image classification accuracy on various datasets
• Title（参考訳）: 各種データセットにおける画像分類精度のための4f光ニューラルネットの不整合配向
• Authors: Yanbing Liu, Wei Li, Kun Cheng, Xun Liu, and Wei Yang
• Abstract要約: そこで本研究では,画像分類タスクのコンテキストにおいて,様々な誤りに応答して4f-ONNの性能を推定する手法を提案する。 2つの画像分類データセットの分類精度に及ぼす4f-ONN系の誤調整の影響を調べるため, 4f-ONNの性能は, 位置決め誤差が増大するにつれて劇的に低下することがわかった。
• 参考スコア（独自算出の注目度）: 8.457799944006391
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, the optical 4f system has drawn much attention in building high-speed and ultra-low-power optical neural networks (ONNs). Most optical systems suffer from the misalignment of the optical devices during installment. The performance of ONN based on the optical 4f system (4f-ONN) is considered sensitive to the misalignment in the optical path introduced. In order to comprehensively investigate the influence caused by the misalignment, we proposed a method for estimating the performance of a 4f-ONN in response to various misalignment in the context of the image classification task.The misalignment in numerical simulation is estimated by manipulating the optical intensity distributions in the fourth focus plane in the 4f system. Followed by a series of physical experiments to validate the simulation results. Using our method to test the impact of misalignment of 4f system on the classification accuracy of two popular image classification datasets, MNIST and Quickdraw16. On both datasets, we found that the performances of 4f-ONN generally degraded dramatically as the positioning error increased. Different positioning error tolerance in the misalignment orientations was observed over the two datasets. Classification performance could be preserved by positioning errors up to 200 microns in a specific direction.
• Abstract（参考訳）: 近年、光4fシステムは高速かつ超低消費電力の光ニューラルネットワーク(ONN)の構築に多くの注目を集めている。 ほとんどの光学系は、装着時の光学装置の誤配に悩まされる。 光4f系(4f-ONN)に基づくONNの性能は、導入した光路のずれに敏感であると考えられる。 4f-onnの性能を画像分類タスクの文脈における様々な不一致に応答して推定する方法を提案し, 4f系における4f-onnの光学的強度分布を操作することにより, 数値シミュレーションにおける不一致を推定した。 シミュレーション結果を検証するための一連の物理実験に追随した。 本手法を用いて,MNISTとQuickdraw16の2つの画像分類データセットの分類精度に及ぼす4fシステムの誤配の影響を検証した。 両データセットにおいて,4f-ONNの性能は,位置決め誤差の増加とともに劇的に低下した。 2つのデータセット上で, 配向方向の異なる位置誤差耐性が観察された。 分類性能は、200ミクロンまでの誤差を特定の方向に配置することで維持できる。

関連論文リスト

• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• S4DL: Shift-sensitive Spatial-Spectral Disentangling Learning for Hyperspectral Image Unsupervised Domain Adaptation [73.90209847296839]
  ハイパースペクトル画像(HSI)分類において広く研究されている教師なし領域適応技術は、ラベル付きソースドメインデータとラベルなしターゲットドメインデータを使用することを目的としている。 シフト感応型空間スペクトル遠方学習(S4DL)手法を提案する。 いくつかのクロスステージなHSIデータセットの実験は、S4DLが最先端のUDA法よりも優れていることを一貫して検証した。
  論文  参考訳（メタデータ） (2024-08-11T15:58:24Z)
• Perception of Misalignment States for Sky Survey Telescopes with the Digital Twin and the Deep Neural Networks [16.245776159991294]
  本研究では,異なる視野で連続的に変化する点拡散関数から,不整合状態を抽出するディープニューラルネットワークを提案する。 我々は、不整合データを格納し、不整合状態と対応する点拡散関数の間の複雑な関係を探索する。 この方法は、アクティブ光学系と光学系アライメントの事前情報を提供するために使用できる。
  論文  参考訳（メタデータ） (2023-11-30T03:16:27Z)
• Classification robustness to common optical aberrations [64.08840063305313]
  本稿では,現実的かつ実用的な光ぼけ効果に対するロバスト性を調べるためのベンチマークである OpticsBench を提案する。 ImageNetの実験では、様々な訓練済みのDNNに対して、ディスク形状のカーネルと比較して、パフォーマンスが強いことが示されている。 我々は,光カーネルをデータ拡張として使用することにより,拡張可能なImageNet-100について述べる。
  論文  参考訳（メタデータ） (2023-08-29T08:36:00Z)
• Probabilistic-based Feature Embedding of 4-D Light Fields for Compressive Imaging and Denoising [62.347491141163225]
  4次元光電場(LF)は、効率的で効果的な機能埋め込みを実現する上で大きな課題となる。 様々な低次元畳み込みパターンを組み立てることで特徴埋め込みアーキテクチャを学習する確率論的特徴埋め込み(PFE)を提案する。 実世界および合成4次元LF画像において,本手法の有意な優位性を実証した。
  論文  参考訳（メタデータ） (2023-06-15T03:46:40Z)
• RRNet: Relational Reasoning Network with Parallel Multi-scale Attention for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
  光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。 光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。 提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
  論文  参考訳（メタデータ） (2021-10-27T07:18:32Z)
• Light Lies: Optical Adversarial Attack [24.831391763610046]
  本稿では, 画像センサに到達した光界情報を物理的に変化させて, 分類モデルが誤分類を生じさせる光学対向攻撃を提案する。 シミュレーションと実際のハードウェア光システムの両方に基づく実験を行い,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2021-06-18T04:20:49Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)
• Point Spread Function Estimation for Wide Field Small Aperture Telescopes with Deep Neural Networks and Calibration Data [11.909250072362264]
  点拡散関数 (PSF) は望遠鏡の状態を反映する。 視界全体の任意の位置におけるPSFの推定は、光学系によって誘導される収差が非常に複雑であるため困難である。 我々は、さらにディープニューラルネットワーク(DNN)に基づくPSFモデリング法を開発し、そのPSF推定への応用を示す。
  論文  参考訳（メタデータ） (2020-11-20T07:26:02Z)
• Ensemble learning of diffractive optical networks [0.0]
  CIFAR-10試験画像の分類において, N=14, N=30 D2NNのアンサンブルが61.14%, 62.13%のブラインドテスト精度が得られることを示した。 これらの結果は、同じデータセット上の任意の回折光学ニューラルネットワーク設計により、これまで達成された最も高い推測精度を構成する。
  論文  参考訳（メタデータ） (2020-09-15T05:02:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。