论文部分内容阅读
近年来,深度学习技术的爆发式发展引领了机器学习的又一次浪潮。深度神经网络具备抽象特征的高效识别与提取能力、强大的非线性拟合能力、抗干扰鲁棒性及非凡的泛化能力,被广泛应用于自动驾驶、目标识别、机器翻译、语音识别等领域。最近几年,卷积神经网络(CNN)在光学信息处理中获得广泛应用,本文介绍CNN的基础概念和结构构成,回顾其在数字全息术、条纹分析、相位解包裹、鬼成像、傅里叶叠层成像、超分辨显微成像、散射介质成像、光学层析成像等领域的最新应用进展,评述CNN在光学信息处理中的典型应用特点,最后分析CNN应用于光学信息处理中的不足,并展望其未来发展。