新型智能計(jì)算成像方法取得進(jìn)展該項(xiàng)工作得到重大項(xiàng)目的支持

2020-05-12 14:34:18 來(lái)源：中科院之聲

近期，中國(guó)科學(xué)院上海光學(xué)精密機(jī)械研究所信息光學(xué)與光電技術(shù)實(shí)驗(yàn)室與德國(guó)斯圖加特大學(xué)應(yīng)用光學(xué)研究所、美國(guó)麻省理工學(xué)院合作，提出并，無(wú)需

近期，中國(guó)科學(xué)院上海光學(xué)精密機(jī)械研究所信息光學(xué)與光電技術(shù)實(shí)驗(yàn)室與德國(guó)斯圖加特大學(xué)應(yīng)用光學(xué)研究所、美國(guó)麻省理工學(xué)院合作，提出并，無(wú)需大量帶標(biāo)簽的數(shù)據(jù)來(lái)完成神經(jīng)網(wǎng)絡(luò)訓(xùn)練，將能有力促進(jìn)人工智能技術(shù)在計(jì)算成像中的廣泛應(yīng)用。相關(guān)成果于5月6日在線發(fā)表于《光：科學(xué)與應(yīng)用》(Light: Science & Applications)。

近年來(lái)，基于深度學(xué)習(xí)的方法被廣泛應(yīng)用于計(jì)算成像中，在相位恢復(fù)、數(shù)字全息、單像素成像、散射成像等眾多領(lǐng)域取得了一系列令人矚目的成果。然而，傳統(tǒng)基于深度學(xué)習(xí)的計(jì)算成像方法大都采用監(jiān)督學(xué)習(xí)的策略，因此需要預(yù)先獲取大量帶標(biāo)簽的數(shù)據(jù)來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，且所獲取數(shù)據(jù)的數(shù)量和質(zhì)量對(duì)所得模型的性能具有很大影響，而在實(shí)際應(yīng)用中這一條件往往是難以滿足的。盡管此前研究表明，當(dāng)成像系統(tǒng)的正向物理模型已知時(shí)可以通過(guò)仿真生成訓(xùn)練數(shù)據(jù)，但是神經(jīng)網(wǎng)絡(luò)的泛化性總是有限的，所得模型只能對(duì)類似訓(xùn)練集的場(chǎng)景得到較好的結(jié)果。

針對(duì)基于深度學(xué)習(xí)的計(jì)算成像方法中訓(xùn)練數(shù)據(jù)難以獲取和模型泛化性有限的問(wèn)題，研究人員提出將物理模型與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法(Physics-enhanced deep neural network, PhysenNet)，利用物理模型替代訓(xùn)練數(shù)據(jù)來(lái)驅(qū)動(dòng)網(wǎng)絡(luò)參數(shù)的優(yōu)化。相比傳統(tǒng)數(shù)據(jù)驅(qū)動(dòng)的端到端深度學(xué)習(xí)方法，PhysenNet無(wú)需獲取訓(xùn)練數(shù)據(jù)且是一種具有普適性的方法。相比模型驅(qū)動(dòng)的優(yōu)化算法，PhysenNet無(wú)需使用顯式正則項(xiàng)就能用于病態(tài)逆問(wèn)題(從探測(cè)到的物理測(cè)量中恢復(fù)原始物體信息，在探測(cè)階段存在諸如相位等信息丟失)的求解。

研究人員以計(jì)算成像中的經(jīng)典例子——相位成像來(lái)驗(yàn)證該方法的有效性，通過(guò)不斷迭代使神經(jīng)網(wǎng)絡(luò)輸出結(jié)果經(jīng)衍射傳播和測(cè)量過(guò)程(物理模型)后計(jì)算得到的衍射強(qiáng)度圖逐漸逼近實(shí)際測(cè)量的衍射強(qiáng)度圖，隨著迭代的進(jìn)行，神經(jīng)網(wǎng)絡(luò)輸出結(jié)果也逐漸逼近實(shí)際待求相位物體(圖1)。實(shí)驗(yàn)結(jié)果(圖2)表明，在僅使用單張衍射強(qiáng)度圖時(shí)，PhysenNet的恢復(fù)效果優(yōu)于需在多個(gè)離焦面之間來(lái)回迭代的Gerchberg-Saxton(GS)算法的恢復(fù)效果，且接近數(shù)字全息方法的恢復(fù)效果。該方法可應(yīng)用于眾多正向物理模型已知的計(jì)算成像方法中。

該項(xiàng)工作得到中科院前沿科學(xué)重點(diǎn)研究計(jì)劃、中德中心“中德合作小組”和國(guó)家自然科學(xué)基金重大項(xiàng)目的支持。