一种全光非线性卷积神经网络的图像识别方法

摘要

本发明公开了一种全光非线性卷积神经网络的图像识别方法，解决现有技术中传统的基于相位光栅的光学卷积神经网络系统与装置，无法有效的提取丰富的图像数据特征，致使分类正确率较低、难以应用于多种应用场景的技术问题。本发明的方法，构建多层光学卷积神经网络模型，包括设计光学卷积核结构、卷积核数量、光学计算方法和光学卷积特征图，进而采用Adam优化算法对多层光学卷积神经网络进行优化；然后，设计基于空间光调制器(Spatial Light Modulator,SLM)的卷积复用结构，实现深层光学卷积神经网络计算；最后，利用激光器、扩束镜、DMD、透镜、CCD、计算机硬件，设计基于空间光调制器的光学卷积神经网络装置。可广泛应用于光学和深度学习技术领域。