多層非線形光ニューラルネットワークを用いるイメージセンシング

光学イメージングは、産業界と学術界の枠を超えて科学的応用と技術的応用のいずれにも用いられている。イメージセンシングにおいて、物体の位置や輪郭などの測定は、デジタル画像の計算解析によって行われる。イメージセンシングの新しいパラダイムは、イメージングを行う代わりに、顕著な特徴を抽出することによって画像を低次元空間へ光学的に圧縮するエンコーダーとして機能する光学系に依拠している。しかし、こうしたエンコーダーの性能は、その線形性によって制限されることが多い。今回我々は、光-光（optical-to-optical）非線形活性化関数として市販のイメージインテンシファイアを用いた、イメージセンシングのための非線形多層光ニューラルネットワーク（ONN）エンコーダーを報告する。この非線形ONNは、マシンビジョンベンチマーク、フローサイトメトリー画像の分類、三次元プリントされた実際の情景における物体識別を含むいくつかの代表的タスクにおいて、同等サイズの線形光エンコーダーより優れている。特にインコヒーレントな広帯域照明を特徴とするマシンビジョンタスクでは、今回のコンセプトによって、カメラの解像度や電子的後処理の複雑さの要求が大幅に軽減可能になる。一般的に、ONNを用いる画像の前処理によって、より少ないピクセル、より少ない光子、より高いスループット、より短い遅延時間で正確に動作するイメージセンシング用途が可能になるはずである。