[IEEE 2019欧洲激光与电光会议暨欧洲量子电子学会议(CLEO/Europe-EQEC) - 德国慕尼黑(2019.6.23-2019.6.27)] 2019欧洲激光与电光会议暨欧洲量子电子学会议(CLEO/Europe-EQEC) - 基于深度神经网络通过多模光纤实现波长无关的图像分类

摘要： 深度神经网络（DNNs）已日益应用于不同研究领域或工业场景。为利用机器学习技术提取有效信息，每天需处理海量数据。多个研究团队通过基于真实数据集训练DNNs，在提升显微成像分辨率和定量相位恢复方面取得了显著成果。近期，研究者还利用DNNs实现了光信号经多模光纤（MMFs）传输后的图像复原与重建。当图像通过多模光纤传播时，由于信息分散在光纤支持的各个空间模式中，会产生严重散射现象。此外，由于不同光纤模式的传播速度存在差异，输入信号的局部信息沿光纤传输数毫米后就会失去相关性，从而在输出端形成散斑图案。从这类散斑图案中恢复信息具有重要实用价值，可推动多模光纤在医学内窥镜应用中的集成，或助力电信领域的信号恢复。