Simonyan, K. & Zisserman, A. Redes convolucionais muito profundas para reconhecimento de imagens em grande escala. Em 3ª Conferência Internacional sobre Representações de Aprendizagem 1–14 (ICLR, 2015).
Wang, G. et al. Segmentação interativa de imagens médicas usando aprendizagem profunda com ajuste fino específico de imagem. IEEE Trans. Med. Imagem 37, 1562 – 1573 (2018).
Furui, S., Deng, L., Gales, M., Ney, H. & Tokuda, K. Tecnologias fundamentais no reconhecimento de fala moderno. Processo de Sinal IEEE Mag. 29, 16 – 17 (2012).
Sak, H., Senior, A., Rao, K. & Beaufays, F. Modelos acústicos de redes neurais recorrentes rápidos e precisos para reconhecimento de fala. Em Processo. Conferência Anual da International Speech Communication Association, INTERSPEECH 1468–1472 (ISCA, 2015).
He, K., Zhang, X., Ren, S. & Sun, J. Aprendizagem residual profunda para reconhecimento de imagem. Em Processo. Conferência da IEEE Computer Society sobre Visão Computacional e Reconhecimento de Padrões 770-778 (IEEE, 2016).
Lecun, Y., Bengio, Y. & Hinton, G. Aprendizagem profunda. Natureza 521, 436 – 444 (2015).
Mennel, L. et ai. Visão de máquina ultrarrápida com sensores de imagem de rede neural de material 2D. Natureza 579, 62 – 66 (2020).
Liu, L. e outros. Sistemas computacionais para condução autônoma: estado da arte e desafios. Coisas da Internet IEEE J. 8, 6469 – 6486 (2021).
Shi, W. et al. LOEN: rede neural optoeletrônica sem lentes com visão de máquina habilitada. Light Sci. Aplic. 11, 121 (2022).
Hamerly, R., Bernstein, L., Sludds, A., Soljačić, M. & Englund, D. Redes neurais ópticas em grande escala baseadas na multiplicação fotoelétrica. Física Rev. X 9, 021032 (2019).
Wetzstein, G. et al. Inferência em inteligência artificial com óptica profunda e fotônica. Natureza 588, 39 – 47 (2020).
Shastri, BJ et al. Fotônica para inteligência artificial e computação neuromórfica. Nat. Fóton. 15, 102 – 114 (2021).
Xue, W. & Miller, O. D. Detecção óptica de borda de alta NA por meio de filmes multicamadas otimizados. J. Óptica 23, 125004 (2021).
Wang, T. et al. Uma rede neural óptica que usa menos de 1 fóton por multiplicação. Nat. Comum. 13, 123 (2022).
Wang, T. et al. Detecção de imagens com redes neurais ópticas não lineares multicamadas. Nat. Fóton. 17, 8 – 17 (2023).
Badloe, T., Lee, S. & Rho, J. Computação na velocidade da luz: metamateriais para cálculos totalmente ópticos e redes neurais. Adv. Fóton. 4, 064002 (2022).
Vanderlugt, A. Processamento de sinal óptico (Wiley, 1993)
Chang, J., Sitzmann, V., Dun, X., Heidrich, W. & Wetzstein, G. Redes neurais convolucionais ópticas-eletrônicas híbridas com óptica difrativa otimizada para classificação de imagens. Sci. Rep. 8, 12324 (2018).
Colburn, S., Chu, Y., Shilzerman, E. & Majumdar, A. Frontend óptico para uma rede neural convolucional. Appl. Optar. 58, 3179 (2019).
Zhou, T. et al. Computação optoeletrônica neuromórfica em grande escala com uma unidade de processamento difrativo reconfigurável. Nat. Fóton. 15, 367 – 373 (2021).
Chen, Y. H., Krishna, T., Emer, J. S. & Sze, V. Eyeriss: um acelerador reconfigurável com eficiência energética para redes neurais convolucionais profundas. Circuitos de estado sólido IEEE J. 52, 127 – 138 (2017).
Neshatpour, K., Homayoun, H. & Sasan, A. ICNN: a rede neural convolucional iterativa. Em Transações ACM em sistemas de computação embarcados 18, 119 (ACM, 2019).
Xu, X. et al. 11 Acelerador convolucional fotônico TOPS para redes neurais ópticas. Natureza 589, 44 – 51 (2021).
Feldmann, J. et ai. Processamento convolucional paralelo usando um núcleo tensor fotônico integrado. Natureza 589, 52 – 58 (2021).
Wu, C. et al. Metasuperfícies de mudança de fase programáveis em guias de onda para rede neural convolucional fotônica multimodo. Nat. Comum. 12, 96 (2021).
Zhang, H. et al. Um chip neural óptico para implementação de redes neurais de valores complexos. Nat. Comum. 12, 457 (2021).
Ashtiani, F., Geers, A. J. & Aflatouni, F. Uma rede neural fotônica profunda no chip para classificação de imagens. Natureza 606, 501 – 506 (2022).
Fu, T. et al. Aprendizado de máquina fotônico com óptica difrativa no chip. Nat. Comum. 14, 70 (2023).
Lin, X. et al. Aprendizado de máquina totalmente óptico usando redes neurais profundas difrativas. Ciência 361, 1004 – 1008 (2018).
Qian, C. et al. Execução de operações lógicas ópticas por uma rede neural difrativa. Light Sci. Aplic. 9, 59 (2020).
Luo, X. et al. Redes neurais difrativas multiplexadas no chip habilitadas para metasurface no visível. Light Sci. Aplic. 11, 158 (2022).
Kwon, H., Arbabi, E., Kamali, S. M., Faraji-Dana, M. S. & Faraon, A. Microscopia quantitativa de gradiente de fase de disparo único usando um sistema de metassuperfícies multifuncionais. Nat. Fóton. 14, 109 – 114 (2020).
Xiong, B. et al. Quebrando a limitação da multiplexação de polarização em metassuperfícies ópticas com ruído projetado. Ciência 379, 294 – 299 (2023).
Khorasaninejad, M. et al. Metalenses em comprimentos de onda visíveis: focagem limitada por difração e imagem com resolução de subcomprimento de onda. Ciência 352, 1190 – 1194 (2016).
Kim, J. et al. Fabricação escalável de metassuperfícies híbridas camada atômica-polímero de alto índice para metafotônica no visível. Nat. Mate. 22, 474 – 481 (2023).
Levanon, N. et al. Resposta de transmissão angular de metassuperfícies totalmente dielétricas quase-BIC que quebram a simetria no plano. Fotônica ACS 9, 3642 – 3648 (2022).
Nolen, J. R., Overvig, A. C., Cotrufo, M. & Alù, A. Emissão arbitrariamente polarizada e unidirecional de metassuperfícies térmicas. Pré-imprimir em https://arxiv.org/abs/2301.12301 (2023).
Guo, C., Xiao, M., Minkov, M., Shi, Y. & Fan, S. Operador Laplace de placa de cristal fotônico para diferenciação de imagem. Optica 5, 251 – 256 (2018).
Cordaro, A. et al. Metasuperfícies dielétricas de alto índice realizando operações matemáticas. Nano Lett. 19, 8418 – 8423 (2019).
Zhou, Y., Zheng, H., Kravchenko, I. I. & Valentine, J. Óptica plana para diferenciação de imagens. Nat. Fóton. 14, 316 – 323 (2020).
Fu, W. et al. Meta-imagers ultracompactas para convolução totalmente óptica arbitrária. Light Sci. Aplic. 11, 62 (2022).
Wang, H., Guo, C., Zhao, Z. & Fan, S. Diferenciação de imagem incoerente compacta com estruturas nanofotônicas. Fotônica ACS 7, 338 – 343 (2020).
Zhang, X., Bai, B., Sun, H. B., Jin, G. & Valentine, J. Diferenciação optoeletrônica incoerente baseada em filmes multicamadas otimizados. Laser Fóton Rev. 16, 2200038 (2022).
Zheng, H. et al. Aceleradores meta-ópticos para classificadores de objetos. Sci. Av. 8, eabo6410 (2022).
Bernstein, L. et al. Rede neural óptica de disparo único. Sci. Av. 9, eadg7904 (2023).
Shen, Z. et al. Câmera monocular de metassuperfície para imagens 4D passivas de disparo único. Nat. Comum. 14, 1035 (2023).
LeCun, Y., Bottou, L., Bengio, Y. & Haffner, P. Aprendizagem baseada em gradientes aplicada ao reconhecimento de documentos. Processo. IEEE 86, 2278 – 2323 (1998).
Zheng, H. et al. Meta-óptica composta para controle de campo completo e sem perdas. ACS Nano 16, 15100 – 15107 (2022).
Liu, S. et al. Mais ConvNets na década de 2020: ampliando kernels além de 51×51 usando esparsidade. Em 11ª Conferência Internacional sobre Representações de Aprendizagem 1–23 (ICLR, 2023).
Barron, J. T. Uma função de perda robusta geral e adaptativa. Em Processo. Conferência da IEEE Computer Society sobre Visão Computacional e Reconhecimento de Padrões 4326-4334 (IEEE, 2019).
Dosovitskiy, A. et al. Uma imagem vale 16×16 palavras: transformadores para reconhecimento de imagens em escala. Em 9ª Conferência Internacional sobre Representações de Aprendizagem 1–22 (ICLR, 2021).
Stillmaker, A. & Baas, B. Equações de escala para a previsão precisa do desempenho do dispositivo CMOS de 180 nm a 7 nm. Moderna 58, 74 – 81 (2017).
McClung, A., Samudrala, S., Torfeh, M., Mansouree, M. & Arbabi, A. Instantâneo de imagem espectral com metassistemas paralelos. Sci. Av. 6, eabc7646 (2020).
Ding, X., Zhang, X., Han, J. & Ding, G. Aumentando seus kernels para 31 × 31: revisitando o design de kernel grande em CNNs. Em Processo. Conferência da IEEE Computer Society sobre Visão Computacional e Reconhecimento de Padrões 11953-11965 (IEEE, 2022).
Ding, X. et al. RepVgg: tornando os ConvNets estilo VGG excelentes novamente. Em Processo. Conferência da IEEE Computer Society sobre Visão Computacional e Reconhecimento de Padrões 13728-13737 (IEEE, 2021).
Li, L. et al. Imageador e reconhecedor inteligente de metassuperfícies. Light Sci. Aplic. 8, 97 (2019).
Zhao, R. et al. Exibição holográfica vetorial multicanal e criptografia. Light Sci. Aplic. 7, 95 (2018).
Kim, I. et al. Impressões holográficas vetoriais dinâmicas pixeladas bifuncionais acionadas por metasuperfície para plataforma de segurança fotônica. Nat. Comum. 12, 3614 (2021).
Li, L. et al. Fonte quântica multifotônica e de alta dimensão baseada em array de Metalens. Ciência 368, 1487 – 1490 (2020).
Hugonin, A. J. P. & Lalanne, P. RETICOLO software para análise de grades. Pré-imprimir em https://arxiv.org/abs/2101.00901 (2023).
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
- PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
- PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
- PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
- Fonte: https://www.nature.com/articles/s41565-023-01557-2
- :é
- ][p
- $UP
- 1
- 10
- 11
- 12
- 121
- 13
- 14
- 15%
- 16
- 17
- 180
- 19
- 1998
- 20
- 2012
- 2015
- 2016
- 2017
- 2018
- 2019
- 2020
- 2021
- 2022
- 2023
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 2D
- 30
- 31
- 32
- 33
- 35%
- 36
- 39
- 40
- 41
- 43
- 46
- 49
- 50
- 51
- 52
- 53
- 54
- 58
- 60
- 7
- 70
- 8
- 9
- 97
- a
- acelerando
- acelerador
- aceleradores
- preciso
- ACM
- acústico
- adaptativo
- novamente
- AL
- an
- análise
- e
- Angular
- anual
- aplicado
- Arte
- artigo
- artificial
- inteligência artificial
- Associação
- At
- atômico
- Autônomo
- b
- BaaS
- baseado
- Pós
- Quebra
- by
- Câmera
- desafios
- lasca
- classificação
- clique
- cor
- Comunicação
- compacto
- completar
- Compound
- computação
- computador
- Visão de Computador
- computação
- Conferência
- ao controle
- rede neural convolucional
- núcleo
- Cristal
- profundo
- deep learning
- rede neural profunda
- redes neurais profundas
- Design
- Detecção
- dispositivo
- Ecrã
- documento
- condução
- dinâmico
- e
- E & T
- borda
- incorporado
- emissão
- habilitada
- criptografia
- engenharia
- equações
- Éter (ETH)
- externo
- ventilador
- RÁPIDO
- campo
- filmes
- final
- plano
- focando
- Escolha
- da
- Frontend
- função
- fundamental
- Geral
- ótimo
- holográfica
- http
- HTTPS
- HÍBRIDO
- i
- ICLR
- IEEE
- imagem
- Classificação de imagem
- Reconhecimento de Imagem
- segmentação de imagem
- Imagiologia
- implementação
- in
- integrado
- Inteligência
- Inteligente
- interativo
- Internacionais
- Internet
- grande
- em grande escala
- aprendizagem
- Lee
- menos
- leve
- limitação
- LINK
- lógica
- fora
- máquina
- aprendizado de máquina
- visão de máquina
- Maio
- Fazendo
- fabrica
- material
- matemático
- médico
- metamateriais
- Microscopia
- moleiro
- modelos
- EQUIPAMENTOS
- mais
- Multicanal
- multifóton
- nanotecnologia
- Natureza
- rede
- redes
- Neural
- rede neural
- redes neurais
- Ruído
- objeto
- of
- on
- Operações
- operador
- ótica
- Óptica e fotônica
- otimizado
- Paralelo
- passiva
- padrão
- para
- atuação
- realização
- fase
- plataforma
- platão
- Inteligência de Dados Platão
- PlatãoData
- predição
- impressões
- processo
- em processamento
- programável
- quantitativo
- Quantum
- R
- reconhecimento
- recorrente
- referência
- rena
- Resolução
- resposta
- uma conta de despesas robusta
- s
- escalável
- Escala
- dimensionamento
- Estudioso
- SCI
- segurança
- segmentação
- senior
- sensor
- Signal
- Instantâneo
- Sociedade
- Software
- fonte
- Espectral
- discurso
- Reconhecimento de Voz
- velocidade
- Estado
- estruturas
- Espreguiçadeiras
- .
- sistemas
- T
- Tecnologias
- do que
- A
- térmico
- coisas
- para
- Tops
- trans
- Transações
- transformadores
- unidade
- utilização
- muito
- via
- visível
- visão
- W
- comprimentos de onda
- de
- palavras
- Equivalente há
- X
- xiao
- investimentos
- zefirnet
- Zhang
- Zhao