深度学习算法及其在光学的应用

被引：38

作者：

周宏强

黄玲玲

王涌天

机构：

[1] 北京理工大学光电学院光电成像技术与系统教育部重点实验室

来源：

红外与激光工程 | 2019年 / 12期

关键词：

深度学习; 神经网络; 光学; 成像技术;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; O43 [光学];

学科分类号：

070207 [光学]; 140502 [人工智能];

摘要：

深度学习作为机器学习的重要分支,自出现之初就掀起了机器学习的又一次高潮。深度学习在诸如图像识别与分类、语义分割、智能驾驶等多个领域有着优异的表现。同时,深度学习算法以其抽象特征识别和提取特性,极强的模型构建和泛化推广能力,被广泛应用于光学领域,如计算全息图产生与成像、数字全息的无参数重建和光谱共振曲线预测等方面。详细介绍了深度学习的基本原理及在图像分类、超分辨成像、计算全息和数字全息、表面等离激元共振曲线预测、超表面的结构设计等方面的典型应用研究,并探讨了深度学习在物理光学领域未来值得研究的方向。

引用

页码：299 / 318

页数：20

共 18 条

[1]

基于SVM的深度学习分类研究综述 [J].

乔风娟 ;

郭红利 ;

李伟 ;

李彬 .

齐鲁工业大学学报, 2018, 32 (05) :39-44

[2]

深度学习编程框架 [J].

王秉睿 ;

兰慧盈 ;

陈云霁 .

大数据, 2018, 4 (04) :56-63

[3]

深度学习研究综述 [J].

尹宝才 ;

王文通 ;

王立春 .

北京工业大学学报, 2015, 41 (01) :48-59

[4]

A survey on deep learning in medical image analysis[J] Geert Litjens;Thijs Kooi;Babak Ehteshami Bejnordi;Arnaud Arindra Adiyoso Setio;Francesco Ciompi;Mohsen Ghafoorian;Jeroen A.W.M. van der Laak;Bram van Ginneken;Clara I. Sánchez Medical Image Analysis 2017,

[5]

Topology optimization for three-dimensional electromagnetic waves using an edge element-based finite-element method[J] Deng Yongbo;Korvink Jan G. Proceedings of the Royal Society A: Mathematical; 2016,

[6]

Broadband Hybrid Holographic Multiplexing with Geometric Metasurfaces[J] Lingling Huang;Holger Mühlenbernd;Xiaowei Li;Xu Song;Benfeng Bai;Yongtian Wang;Thomas Zentgraf Adv. Mater. 2015,

[7]

Super-Resolution Fluorescence Microscopy[J] Bo Huang;Mark Bates;Xiaowei Zhuang Annual Review of Biochemistry 2009,

[8]

A Fast Learning Algorithm for Deep Belief Nets[J] Geoffrey E. Hinton;Simon Osindero;Yee-Whye Teh Neural Computation 2006,

[9]

Artificial neural networks (the multilayer perceptron)—a review of applications in the atmospheric sciences[J] M.W Gardner;S.R Dorling Atmospheric Environment 1998,

[10]

Long Short-Term Memory[J] Sepp Hochreiter;Jürgen Schmidhuber Neural Computation 1997,

← 1 2 →