近日，上海理工大学智能科技学院的研究团队，在顾敏院士和张启明教授的带领下，成功开发出一种革命性的超快速卷积光学神经网络（ONN）。这一创新技术无需依赖光学记忆效应，即可实现对散射介质后物体的高效、清晰成像，这无疑是对传统光学成像技术的重大突破，同时也彰显了卷积网络在人工智能领域的巨大潜力。其研究成果已在《科学进展》杂志上发布，标题为“基于超快卷积光学神经网络的非记忆效应散射成像”，张雨超特聘研究员担任了第一作者，而顾敏和张启明则共同担任通讯作者。
张雨超研究员进一步解释说，卷积神经网络（CNN）作为当前人工智能领域最为广泛应用的神经网络架构之一，其灵感来源于生物的视觉皮层系统，该结构由Hubel和Wiesel在1981年提出并荣获诺贝尔奖。CNN的核心在于卷积操作，它通过提取图像的局部特征，并逐层构建更高级别的特征表示，极大地推动了图像处理和模式识别领域的发展。
然而，将CNN的概念引入光学领域并非易事，因为需要解决电子信号与光学信号之间的转换问题。为此，研究团队创新性地提出了一种全光学的解决方案，直接在光域中进行卷积网络操作，无需进行繁琐的信号转换，实现了真正的光速计算。
这项技术构建了一个多阶段的卷积光学神经网络（ONN），其由多个并行核心组成，能够以光速直接从散射光中提取特征，实现图像的快速重建。这不仅极大地提高了成像速度，还显著增强了成像质量，使得在复杂散射环境中进行成像成为可能。此外，ONN的计算速度高达每秒1570万亿次操作，为实时动态成像提供了强大的支持。
更令人瞩目的是，这项技术还具备多任务处理能力。通过简单地调整网络结构，同一个ONN能够同时执行多种不同的图像处理任务，这在光学人工智能领域尚属首次。张启明教授表示：“这种灵活性和效率的结合，不仅突显了卷积网络在人工智能领域的重要性，也为光学成像技术开辟了新的发展道路。”
顾敏院士展望道，随着技术的不断进步和完善，卷积光学神经网络将在自动驾驶、机器人视觉、医学成像等多个领域发挥更大的作用，为人们的生活带来更多便利，为科学研究提供更强大的工具。
未经允许不得转载：AI教育新闻网 » 上海理工大学研发超快速卷积光学神经网络：颠覆传统成像技术，开启实时动态成像新篇章
