Algoritmo de clasificación de objetos en imágenes difractivas basado en medidas cuadráticas codificadas usando un enfoque de Aprendizaje Profundo
Loading...
Date
2022-03-29
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
El aprendizaje profundo se ha usado ampliamente en el área de visión por computador, así como en la clasificación de objetos. Sin embargo, los enfoques tradicionales se basan principalmente en imágenes de intensidad adquiridas por sistemas de propagación lineal. Dado que los detectores ópticos solo pueden medir la intensidad del campo óptico complejo subyacente, estos sistemas lineales solo registran la información de magnitud, mientras que la información de fase no se puede medir. La recuperación de fase se ha abordado a través de sistemas cuadráticos que modulan el campo óptico usando máscaras de codificación, produciendo medidas cuadráticas codificadas. La clasificación de medidas cuadráticas se ha propuesto recientemente sin el paso de reconstrucción debido a su alto costo computacional. No obstante, la clasificación de medidas cuadráticas codificadas no ha sido estudiada en el estado del arte. Este trabajo propone un esquema de clasificación de objetos sobre medidas cuadráticas codificadas usando aprendizaje profundo. El esquema propuesto consta de tres etapas principales: una capa de adquisición, que simula el proceso de adquisición; un paso de inicialización que estima el campo óptico; y una arquitectura de red neuronal que realiza la tarea de clasificación sobre la estimación inicial. Los resultados de la simulación muestran que el método de clasificación propuesto supera el enfoque tradicional al evaluar diferentes métricas de clasificación sobre los conjuntos de datos MNIST y Fashion-MNIST a partir de los campos cercano, medio y lejano.
Description
Keywords
Medidas cuadráticas codificadas, recuperación de fase, máscaras de codificación, aprendizaje profundo, clasificación de objetos