一种用于散斑图像分类与恢复的全光神经网络器件及系统

本发明提供一种用于散斑图像分类与恢复的全光神经网络器件及系统，其训练方法为：获取训练样本集，包括原始图像、原始图像经光纤输出的散斑图像以及原始图像对应的分类标签图像。将训练样本输入初始全光神经网络，包括第一卷积层、第二卷积层和全连接层，全连接层包括图像恢复区域和图像分类区域。散斑图像依次在第一卷积层和第二卷积层进行光学卷积运算后，传递到全连接层对卷积结果进行组合，输出恢复图像和分类图像。利用恢复图像与原始图像及分类图像与分类标签图像的均方误差和皮尔逊相关系数构建复合损失函数。最小化损失以更新初始全光神经网络参数直至完成训练，得到训练后的全光神经网络。本发明能够减少噪音和损耗，提高计算效率。