Детальная информация
| Название | Обработка выходных сигналов корреляторов совместного преобразования с применением предварительно обученной свёрточной нейронной сети = Processing the output signals of joint transform correlators using a pre-trained convolutional neural network // Оптический журнал = Journal of optical technology: научно-технический журнал. – 2025. – № 2. — С. 87-95 |
|---|---|
| Авторы | Гончаров Д. С. ; Злоказов Е. Ю. ; Петрова Е. К. ; Стариков Р. С. |
| Выходные сведения | 2025 |
| Коллекция | Общая коллекция |
| Тематика | Вычислительная техника ; Распознавание и преобразование образов ; Неэлектронные вычислительные машины и устройства ; корреляторы преобразований ; выходные сигналы корреляторов ; обработка выходных сигналов ; нейронные сети ; свёрточные нейронные сети ; обученные нейронные сети ; модуляторы оптического излучения ; transformation correlators ; output signals of correlators ; output signal processing ; neural networks ; convolutional neural networks ; trained neural networks ; optical radiation modulators |
| УДК | 004.93; 004.38 |
| ББК | 32.973-018.2; 32.974 |
| Тип документа | Статья, доклад |
| Язык | Русский |
| DOI | 10.17586/1023-5086-2025-92-02-87-95 |
| Права доступа | Доступ по паролю из сети Интернет (чтение) |
| Ключ записи | RU\SPSTU\edoc\75382 |
| Дата создания записи | 27.02.2025 |
Предмет исследования. В работе представлены результаты исследования вариантов когерентного оптико-цифрового коррелятора совместного преобразования c нейросетевой постобработкой выходных сигналов. Цель работы. Экспериментальная апробация возможностей применения нейронной сети глубокого обучения для обработки сигналов оптико-цифрового дифракционного коррелятора совместного преобразования при решении задачи распознавания изображений. Метод. Для обработки выходных сигналов оптико-цифрового дифракционного коррелятора изображений применена свёрточная нейронная сеть. Размерность распознаваемых изображений на входе коррелятора 256x256 пикс, размерность фрагментов корреляционных функций, подаваемых на вход нейронной сети, 32x32 пикс. Обеспечиваемое таким образом снижение размерности данных позволяет сочетать скорость оптической обработки с гибкостью нейросетевого метода. Основные результаты. Реализовано два варианта макета коррелятора совместного преобразования на основе пространственно-временных модуляторов оптического излучения современных моделей: на основе микрозеркального модулятора и на основе жидкокристаллического модулятора. Для классификации сигналов корреляторов применена свёрточная нейронная сеть, предварительно обученная на корреляционных откликах, полученных численно с использованием инвариантных корреляционных фильтров, которые обеспечивают заданную характерную форму максимумов взаимокорреляционных функций и были синтезированы на наборах изображений, отличных от использованных при проведении экспериментов. Продемонстрировано, что в обоих случаях обработка сигналов коррелятора с помощью нейронной сети позволяет производить распознавание входных изображений. Практическая значимость. Результаты могут быть применены при построении систем оперативного распознавания изображений различного назначения.
Research subject. The paper presents the results of the study of coherent optical-digital correlator variants of the coherent optical-digital joint transform correlator with neural network post-processing of output signals. Purpose of the work. Experimental testing of the possibilities of application of deep learning neural network for signal processing of optical-digital diffractive joint transform correlator for pattern recognition problem. Method. A convolutional neural network was applied to process the output signals of an optical-digital diffractive image correlator. The resolution of recognized images at the input of the correlator was 256x256 pixels, the resolution of the fragments of correlation functions fed to the input of the neural network was 32x32 pixels. The data dimensionality reduction provided in this way allows combining the speed of optical processing with the flexibility of the neural network method. Main results: Two setups of a joint transform correlator based on modern models of spatial light modulators have been realized: one based on a digital micromirror modulator and one based on a liquid crystal modulator. To classify correlator signals, a convolutional neural network is applied, pre-trained on numerically generated correlation responses using invariant correlation filters, which provide a given characteristic shape of autocorrelation peak and were synthesized on sets of images different from those used in the experiments. It is demonstrated that in both cases the processing of correlator signals with the help of neural network allows to perform recognition of input images. Practical significance. The results can be applied to the construction of high speed image recognition systems for various purposes.
