多模光纤:神经网络解扰

2018-10-03

Multimode fibres: Neural network descrambling

Babak Rahmani, Damien Loterie, Georgia Konstantinou, Demetri Psaltis & Christophe Moser.

Citation: Light: Science & Applications volume 7, Article number: 69 (2018)

Published online03 October 2018

Abstract | Full Text | PDF

文章概要:多模光纤:神经网络解扰

    卷积神经网络(CNN)可以成功地学习多模光纤的非线性传输特性,从而允许精确的图像传输和重建。沿一个多模光纤进行传播通常会干扰输入图像,从而在输出端产生看似随机的散斑图案。来自瑞士洛桑联邦理工学院的Babak Rahmani及其同事现在已经证实,一个深层神经网络(基于VGG-net技术的22层CNN或基于Resnet技术的20层CNN)可以学习在0.75米长的多模光纤中的输入-输出关系,从而消除这种干扰。实验表明,两种神经网络都可以进行高精度的图像重建,图像重建后的图像保真度高达~98%,最佳情况下的图像投影率为~94%。