摘要： 🧠 一、AFNN 系统结构回顾（你要搭的是什么） 目标：搭建一个4f 光学神经网络系统，实现图像分类（例如 MNIST）或光场模式识别。 光路主要包括 5 个部分： 模块对应物理器件作用 光源 激光器 (Laser) 提供相干光场（单模） 输入编码 DMD 或 SLM1 把输入数字图像调制成光振幅 阅读全文

摘要： 📘 全光学神经网络（All-Optical Neural Networks, AONN）学习清单 ——论文 + 源码 + 学习顺序推荐（适合从你当前AFNN水平向更高层深入） 🥇 阶段 1：入门与经典模型（了解光学实现神经网络的原理） 1️⃣ 《All-Optical Machine Learn 阅读全文

摘要： 入门仿真（零硬件） single_pixel_demo（Matlab + Python） 用 Hadamard 模式做采样，含加噪声与重建的完整最小示例；最适合第一天跑通。 GitHub single-pixel-imaging（教育向示例） 讲清单像素成像基本原理与流程，代码简单，便于改动做小实验 阅读全文

摘要： 一、GIDC 显著提升重建质量，解决传统 DGI 的噪声与模糊问题 从图中 “DGI” 与 “GIDC” 的重建结果对比（如字符 “王”、图案细节）可直接观察到： 传统 DGI 的局限性： 图中 DGI 重建结果存在明显噪声（背景杂点多）、边缘模糊（如字符笔画边缘不清晰），甚至细节丢失（如小尺寸图案 阅读全文

摘要： 这篇论文提出的 “物理增强深度学习（physics enhanced deep learning）” 单像素成像方法，核心是把单像素成像的物理原理（测量过程、信号生成规律）与深度学习的拟合能力结合起来，而不是让深度学习 “凭空” 还原图像。具体来说，物理方法的作用贯穿了从 “信号获取” 到 “图像还 阅读全文

摘要： 根据论文《Single-pixel imaging using physics enhanced deep learning》的内容，以下参数可调整以体现该方法的核心优点（如低采样率下的鲁棒性、泛化性和高保真度）： 1. 采样率（\(\beta = M/N\)） 定义：M为测量次数（编码模式数量）， 阅读全文

摘要： # -*- coding: utf-8 -*-"""By Fei Wang, May 6, 2021Contact: WangFei_m@outlook.comThis code implements the model-driven fine tune processreported in the 阅读全文

摘要： 一、研究背景与目标 背景：指纹识别是主流生物识别技术，但传统基于细节点的识别易受噪声和伪造影响；汗孔作为三级指纹特征，具有唯一性强、难伪造的优势，但高分辨率汗孔识别计算复杂，嵌入式平台处理能力有限。 目标：基于嵌入式 GPU（NVIDIA Jetson TX2）设计并行软件，实现指纹汗孔识别的高效计 阅读全文

摘要： 一、论文内容总结 该论文核心工作包括以下三部分： 皮下指纹数据采集与存储：以 Zynq 芯片为核心，利用其可编程逻辑（PL）部分设计硬件时序，完成 OCT 光谱数据采集；通过 AXI4 总线的 DMA IP 核及 AXI_HP 接口，将数据直接存储到内存，解决传统 FPGA 存储器资源不足的问题。 阅读全文

摘要： 一、神经网络核心结构与概念 1. 基础连接与特征提取 全连接 vs 局部连接 全连接：每个神经元与前一层所有输入相连，参数多（适用于简单分类，但不适合图像）。 局部连接：神经元仅连接前一层局部区域（局部感受野），利用图像局部相关性，大幅减少参数（CNN 基础）。 局部感受野神经元 “关注” 的输入局 阅读全文