【清华团队研发无透镜光电神经网络架构，提升端到端人脸识别隐私保护能力，赋能新一代极简化机器视觉】
“无透镜传感器，可以输出无可视化的图像，具有高隐私、高安全等特性。结合与其配套的光电智能神经网络，将对大规模、甚至超大规模的智能感知应用，起到重要支撑作用，进而可用于智能安防、智能家居、自动驾驶及其他下一代终端上。审稿人表示这项工作将给光学神经网络带来长足的进步。”清华大学电子工程系陈宏伟教授表示。
近日，该课题组提出一种无透镜光电神经网络架构（LOEN，Lensless Opto-Electronic Neural network）。这是一项从研究伊始便面向工业及边缘视觉感知的课题，具备较强的应用性。LOEN 可用于机器视觉任务，利用成像光路中插入的无源光学掩模版，在光域执行卷积运算，借此解决了自然场景中非相干光源和宽带光信号处理带来的挑战。
以手写数字识别任务为例验证该架构中光学卷积的性能时，使用单核掩模版的手写数字识别准确率可以达到 93.47%。在掩模版上并行排列多核实现单层多通道卷积运算，识别精度可提升至 97.21%。相比传统机器视觉链路，可节省大约 50% 的能耗。
借助该成果，可实现自然光场景下的光电混合神经网络计算。面向特定任务时，可以联合优化光电全链路，同时实现体积和功耗的极简化，可使其便于部署在边缘设备中。另外，无源的光学掩模版，不仅可对入射光学场景进行卷积运算，而且还可进行天然的图像加密，从而形成人眼不可辨认的光场景信息混叠图像，借此可应用在隐私保护的各种视觉任务场景中。
相比传统加密解密方式，该方法省略了在传感器端与服务器端解密可视图像的步骤，实现了从光学采集到视觉任务完成全过程的隐私保护，可从根本上保障传感成像隐私性。使用时，用尺寸为不足一厘米的传感芯片模组直接拍摄人脸，设备端便可传回此人的身份信息。类似地，也可完成对人脸、动作、表情、姿势及二维码等多种特征的识别。
戳链接查看详情：
“无透镜传感器，可以输出无可视化的图像，具有高隐私、高安全等特性。结合与其配套的光电智能神经网络，将对大规模、甚至超大规模的智能感知应用，起到重要支撑作用，进而可用于智能安防、智能家居、自动驾驶及其他下一代终端上。审稿人表示这项工作将给光学神经网络带来长足的进步。”清华大学电子工程系陈宏伟教授表示。
近日，该课题组提出一种无透镜光电神经网络架构（LOEN，Lensless Opto-Electronic Neural network）。这是一项从研究伊始便面向工业及边缘视觉感知的课题，具备较强的应用性。LOEN 可用于机器视觉任务，利用成像光路中插入的无源光学掩模版，在光域执行卷积运算，借此解决了自然场景中非相干光源和宽带光信号处理带来的挑战。
以手写数字识别任务为例验证该架构中光学卷积的性能时，使用单核掩模版的手写数字识别准确率可以达到 93.47%。在掩模版上并行排列多核实现单层多通道卷积运算，识别精度可提升至 97.21%。相比传统机器视觉链路，可节省大约 50% 的能耗。
借助该成果，可实现自然光场景下的光电混合神经网络计算。面向特定任务时，可以联合优化光电全链路，同时实现体积和功耗的极简化，可使其便于部署在边缘设备中。另外，无源的光学掩模版，不仅可对入射光学场景进行卷积运算，而且还可进行天然的图像加密，从而形成人眼不可辨认的光场景信息混叠图像，借此可应用在隐私保护的各种视觉任务场景中。
相比传统加密解密方式，该方法省略了在传感器端与服务器端解密可视图像的步骤，实现了从光学采集到视觉任务完成全过程的隐私保护，可从根本上保障传感成像隐私性。使用时，用尺寸为不足一厘米的传感芯片模组直接拍摄人脸，设备端便可传回此人的身份信息。类似地，也可完成对人脸、动作、表情、姿势及二维码等多种特征的识别。
戳链接查看详情：
【清华团队研发无透镜光电神经网络架构，提升端到端人脸识别隐私保护能力，赋能新一代极简化机器视觉】
“无透镜传感器，可以输出无可视化的图像，具有高隐私、高安全等特性。结合与其配套的光电智能神经网络，将对大规模、甚至超大规模的智能感知应用，起到重要支撑作用，进而可用于智能安防、智能家居、自动驾驶及其他下一代终端上。审稿人表示这项工作将给光学神经网络带来长足的进步。”清华大学电子工程系陈宏伟教授表示。
近日，该课题组提出一种无透镜光电神经网络架构（LOEN，Lensless Opto-Electronic Neural network）。这是一项从研究伊始便面向工业及边缘视觉感知的课题，具备较强的应用性。LOEN 可用于机器视觉任务，利用成像光路中插入的无源光学掩模版，在光域执行卷积运算，借此解决了自然场景中非相干光源和宽带光信号处理带来的挑战。
以手写数字识别任务为例验证该架构中光学卷积的性能时，使用单核掩模版的手写数字识别准确率可以达到 93.47%。在掩模版上并行排列多核实现单层多通道卷积运算，识别精度可提升至 97.21%。相比传统机器视觉链路，可节省大约 50% 的能耗。
借助该成果，可实现自然光场景下的光电混合神经网络计算。面向特定任务时，可以联合优化光电全链路，同时实现体积和功耗的极简化，可使其便于部署在边缘设备中。另外，无源的光学掩模版，不仅可对入射光学场景进行卷积运算，而且还可进行天然的图像加密，从而形成人眼不可辨认的光场景信息混叠图像，借此可应用在隐私保护的各种视觉任务场景中。
相比传统加密解密方式，该方法省略了在传感器端与服务器端解密可视图像的步骤，实现了从光学采集到视觉任务完成全过程的隐私保护，可从根本上保障传感成像隐私性。使用时，用尺寸为不足一厘米的传感芯片模组直接拍摄人脸，设备端便可传回此人的身份信息。类似地，也可完成对人脸、动作、表情、姿势及二维码等多种特征的识别。
戳链接查看详情：https://t.cn/A6XnHlLX
“无透镜传感器，可以输出无可视化的图像，具有高隐私、高安全等特性。结合与其配套的光电智能神经网络，将对大规模、甚至超大规模的智能感知应用，起到重要支撑作用，进而可用于智能安防、智能家居、自动驾驶及其他下一代终端上。审稿人表示这项工作将给光学神经网络带来长足的进步。”清华大学电子工程系陈宏伟教授表示。
近日，该课题组提出一种无透镜光电神经网络架构（LOEN，Lensless Opto-Electronic Neural network）。这是一项从研究伊始便面向工业及边缘视觉感知的课题，具备较强的应用性。LOEN 可用于机器视觉任务，利用成像光路中插入的无源光学掩模版，在光域执行卷积运算，借此解决了自然场景中非相干光源和宽带光信号处理带来的挑战。
以手写数字识别任务为例验证该架构中光学卷积的性能时，使用单核掩模版的手写数字识别准确率可以达到 93.47%。在掩模版上并行排列多核实现单层多通道卷积运算，识别精度可提升至 97.21%。相比传统机器视觉链路，可节省大约 50% 的能耗。
借助该成果，可实现自然光场景下的光电混合神经网络计算。面向特定任务时，可以联合优化光电全链路，同时实现体积和功耗的极简化，可使其便于部署在边缘设备中。另外，无源的光学掩模版，不仅可对入射光学场景进行卷积运算，而且还可进行天然的图像加密，从而形成人眼不可辨认的光场景信息混叠图像，借此可应用在隐私保护的各种视觉任务场景中。
相比传统加密解密方式，该方法省略了在传感器端与服务器端解密可视图像的步骤，实现了从光学采集到视觉任务完成全过程的隐私保护，可从根本上保障传感成像隐私性。使用时，用尺寸为不足一厘米的传感芯片模组直接拍摄人脸，设备端便可传回此人的身份信息。类似地，也可完成对人脸、动作、表情、姿势及二维码等多种特征的识别。
戳链接查看详情：https://t.cn/A6XnHlLX
#吴世勋[超话]##吴世勋DIOR全球品牌大使##吴世勋新剧我们曾经爱过的一切#
韩流TOP吴世勋❤GAON人气奖两连冠❤韩国嘉人单人封❤️SuperELLE创刊单人封❤LOEN Young创刊既开年单人封❤FASHIONSTA AWARD时尚奖❤连续两年明星权利榜冠军【南韩首位】&【世界首位】90后艺人Zenga杰尼亚全球形象代言人泰国国民品牌小老板海苔代言人 @wu世勋-EXO
韩流TOP吴世勋❤GAON人气奖两连冠❤韩国嘉人单人封❤️SuperELLE创刊单人封❤LOEN Young创刊既开年单人封❤FASHIONSTA AWARD时尚奖❤连续两年明星权利榜冠军【南韩首位】&【世界首位】90后艺人Zenga杰尼亚全球形象代言人泰国国民品牌小老板海苔代言人 @wu世勋-EXO
✋热门推荐