一种用于图像识别的全光卷积神经网络设计方法

本发明公开了一种用于图像识别的全光卷积神经网络设计方法，涉及图像识别技术领域，包括：将待检测图像输入到全光卷积神经网络中，全光卷积神经网络包括透镜、多核超表面卷积器和光学全连接层；将目标卷积核平铺在一个面，并放入透镜的前焦面，在透镜的后焦面得到多核超表面卷积器，多核超表面卷积器用于对待检测图像进行卷积操作，得到卷积后的阵列图像；光学全连接层是衍射调制处理卷积后的阵列图像，输出待检测图像的识别结果；该图像识别方法，在输入和输出之间均是全光学处理，利用多核超表面卷积器实现多核卷积操作，卷积后的阵列图像经过光学衍射层能实现光学全连接操作；由于卷积操作提取图像特征，使不同类别图像差异化变大，相比传统衍射神经网络，特别全连接层都为单层时，明显提高了图像识别准确率和输出面信噪比以及减小各能量区域串扰。