Детальная информация
Название | Нейросетевые методы в цифровой и компьютерной голографии: обзор // Оптический журнал. – 2024. – № 3. — С. 62-78 |
---|---|
Авторы | Черёмхин П. А.; Рымов Д. А.; Свистунов А. С.; Злоказов Е. Ю.; Стариков Р. С. |
Организация | Международная конференция по голографии и прикладным оптическим технологиям |
Выходные сведения | 2024 |
Коллекция | Общая коллекция |
Тематика | Физика; Физическая оптика; Вычислительная техника; Распознавание и преобразование образов; компьютерная голография; цифровая голография; нейросетевые методы; дифракционные оптические элементы; генеративно-состязательные нейросети; обзоры; computer holography; digital holography; neural network methods; diffractive optical elements; generative-adversarial neural networks; reviews |
УДК | 535.2/3; 004.93 |
ББК | 22.343; 32.973-018.2 |
Тип документа | Статья, доклад |
Тип файла | Другой |
Язык | Русский |
DOI | 10.17586/1023-5086-2024-91-03-62-78 |
Права доступа | Доступ по паролю из сети Интернет (чтение) |
Дополнительно | Новинка |
Ключ записи | RU\SPSTU\edoc\74373 |
Дата создания записи | 31.10.2024 |
Предмет исследования. Аналитический обзор применения актуальных нейросетевых методов для задач цифровой и компьютерной голографии, в том числе для восстановления амплитудно-фазовой информации с цифровых голограмм, характеризации голографируемых объектов, классификации объектов, приведения фазы волны к абсолютному виду, синтеза компьютерных голограмм и дифракционных оптических элементов и др. Цель работы. Систематизация новейших сведений о методах, основанных на использовании нейронных сетей, обеспечивающих преимущества и новые возможности в решении проблем, стоящих перед цифровой и компьютерной голографией. Метод. В основе рассмотренных в обзоре методов лежит обучение нейронных сетей методам голографии и их применение для конкретных задач компьютерной и цифровой голографии. В обучающий набор для парного обучения (с учителем) обычно входит набор изображений - идеально представленные объекты исследования (восстановленная амплитуда поля, отраженного от объекта, непрерывная фаза поля в интервале, большем чем 2p, сечение трех-мерной сцены и др.) и некоторые соответствующие им распределения интенсивности или фазы (например, цифровые голограммы). В случае же непарного обучения (без учителя) сеть может быть обучена на не участвующих в исследовании или даже случайных объектах. По результатам обучения нейросеть может быть применена к решению задачи в конкретной постановке. Основные результаты. Представлен аналитический обзор работ по применению нейронных сетей в задачах голографии, основное внимание при написании обзора уделено новейшим публикациям по данной тематике. Приведены основные типы архитектур нейронных сетей, которые наиболее эффективно показали себя при решении задач области. Статьи, посвященные рассматриваемой теме, систематизированы по областям применения. Обсуждаются наиболее интересные, по мнению авторов настоящего обзора, результаты, достигнутые в данном направлении. Практическая значимость. Обзор будет полезен как исследователям, специализирующимся в областях компьютерной и цифровой голографии, так и читателям, работающим в смежных направлениях. Обзор позволит ознакомиться с актуальными нейросетевыми методами и техниками, используемыми при восстановлении информации с цифровых голограмм и при синтезе компьютерных голограмм и дифракционных элементов, а также узнать о возможностях и об особенностях практического применения таких методов. Представленные в обзоре сведения демонстрируют, что при решении ряда задач использование нейросетевых методов вместо методов, основанных на стандартных и классических подходах, позволяет получить значительное преимущество в скорости получения и/или информативных качествах искомого результата.
Subject of study. An overview of modern neural-network-based methods for digital and computer-generated holography. Relevant works on phase and amplitude reconstruction, media characterization, phase unwrapping, computer hologram generation and other topics were discussed. Aim of study. Modern neural-network-based methods for digital and computer-generated holography are investigated. Method. The methods discussed in this review are based on neural-networks and are developed for particular tasks in the field of holography. Training dataset for supervised learning usually contains a set of input images (digital holograms, wrapped phase, 3D scenes, etc.) and a set of target images (reconstructed scenes, unwrapped phase, 3D holograms, etc.) the network is supposed to learn to generate from the input images during training. In case of unsupervised learning, there is no need to prepare a set of target images, the training is based only on the input images and the transformations applied to them. Main results. An overview of the applications of neural networks in the field of holography is provided. The main focus is on the state-of-the-art works. Neural network architectures most commonly used in holography are discussed. Cited works are organized based on the particular applications. The most important results and achievements of neural-network-based methods for digital and computer-generated holography are discussed. Practical significance. This review may interest the researchers specializing in holography or adjacent fields. This review will familiarize the readers with the modern neural-network-based methods used in computer hologram generation, holographic image reconstruction as well as the particulars of their practical application. The data presented in this review demonstrates, that in some cases the use of neural-network-based methods can provide advantages in speed and/or quality when compared against conventional methods.
Количество обращений: 2
За последние 30 дней: 2