一种光学衍射神经网络的优化方法

本发明公开了一种光学衍射神经网络的优化方法，结合分类推理性能和衍射效率性能设计了多目标损失函数，联合优化光学神经网络的衍射层相位参数分布，使得所训练的光学衍射神经网络衍射效率大大提高。本发明方法与传统的交叉熵损失函数训练方法相比，通过在原有分类性能的交叉熵损失函数的基础上加入衍射效率性能的损失函数，大大提高了光学衍射神经网络的衍射效率。所训练的光学衍射神经网络缓解了输出平面场分布杂散问题，具有较高的信号对比度，增强了系统的鲁棒性，进一步促进光学衍射神经网络在实际图像分类场景中的应用。