IEEE行业快报 | 光学卷积
本期快报将聚焦于“光学卷积”技术。卷积神经网络(CNN)是一种深度学习模型或类似于人工神经网络的多层感知器,常用来分析视觉图像。最近几年,卷积神经网络在光学中获得广泛应用。光子作为无质量的玻色子,能实现并行模拟计算,无需进行数模转换,且其在大带隙的透明材料中能够实现无损传输。因此,理论上,光子计算是实现超高速和低能耗卷积的潜在途径。但目前,现实中,全光学卷积计算存在集成度低或功能有限等缺点,学术界只能采用光电混合的方式来提高神经网络的卷积计算速度。然而,这种光电系统中的电子元件最终仍制约着系统的运算速度。因此,研究实现任意操作的全光图像卷积芯片是学术和工业界亟需解决的问题。
01
IEEE在“光学卷积”领域技术全景
IEEE近10年在“光学卷积”领域的发文趋势。
(点击文末“阅读原文”,下载完整版报告即可访问历年发文情况。)
数据来源:IEEE Xplore,2023年7月
IEEE在“光学卷积”领域的技术热词。
数据来源:IEEE Xplore,2023年7月
全球 “光学卷积”领域研究情况。
(点击文末“阅读原文”,下载完整版报告即可了解部分国家研究情况。)
数据来源:IEEE Xplore,2023年7月
02
期刊推荐
Journal of Lightwave Technology
关于本刊:半月刊,出版有关导波光学各个方面的科学、技术和工程等内容。包括光纤和光缆技术、有源和无源导波组件(光源、探测器、中继器、开关、光纤传感器等)、以及集成光学和光电子学等内容。
该刊“光学卷积”相关技术文章推荐:
Optical Fiber Fault Detection and Localization in a Noisy OTDR Trace Based on Denoising Convolutional Autoencoder and Bidirectional Long Short-Term Memory
Photonic Convolution Neural Network Based on Interleaved Time-Wavelength Modulation
Elimination of Side Lobe Ghost Peak Using Wiener Deconvolution Filter in OFDR
IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)
CVPR会议是一年一度首屈一指的计算机视觉相关的一些列会议活动,围绕“计算机视觉与模式识别”的最新研究领域展开,为研究人员、工程师、专家学者以及行业专业人士提供一个交流与探讨最新研究成果的平台,并为与会者们交流新的思想和应用经验建立业务或研究关系。
该会议录“光学卷积”相关文章推荐:
Investigation on Combining 3D Convolution of Image Data and Optical Flow to Generate Temporal Action Proposals
Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR Segmentation
Non-linear Motion Estimation for Video Frame Interpolation using Space-time Convolutions
04
视频推荐
Multiplication with Fourier Optics Simulating 16-bit Modular Multiplication - Abigail Timmel - ICRC 2018
视频简介:该位演讲者Abigail Timmel在视频中提出了一种进行模块化乘法的光学方法,包括对设备实施的考虑。Timmel回顾了光学卷积、编码数字和模块化卷积设备的示例,并将这些不同的数字技术方法之间进行比较。
END
往期推荐:
“IEEEXplore微服务”由IEEE合作伙伴iGroup中国运营。iGroup中国代表IEEE、ACS、APS等国际知名学术机构为国内1000多所高等院校、100多家大型企业提供本地化支持和服务。
微信扫码关注该文公众号作者