...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Optical Engineering >Convolutional networks for speckle-based orbital angular momentum modes classification
【24h】

Convolutional networks for speckle-based orbital angular momentum modes classification

机译：基于散斑的轨道角动量模态分类的卷积网络

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Machine learning has emerged as a powerful tool for physicists for building empirical models from the data. We exploit two convolutional networks, namely Alexnet and wavelet scattering network for the classification of orbital angular momentum (OAM) beams. We present a comparative study of these two methods for the classification of 16 OAM modes having radial and azimuthal phase profiles and eight OAM superposition modes with and without atmospheric turbulence effects. Instead of direct OAM intensity images, we have used the corresponding speckle intensities as an input to the model. Our study demonstrates a noise and alignment-free OAM mode classifier having maximum accuracy of >94 % and >99 % for with and without turbulence, respectively. The main advantage of this method is that the mode classification can be done by capturing a small region of the speckle intensity having a sufficient number of speckle grains. We also discuss this smallest region that needs to be captured and the optimal resolution of the detector required for mode classification. (c) 2022 Society of Photo-Optical Instrumentation Engineers (SPIE)
机译：机器学习已成为物理学家从数据中构建经验模型的有力工具。我们利用两个卷积网络，即Alexnet和小波散射网络对轨道角动量（OAM）波束进行分类。我们提出了这两种方法的比较研究，用于分类具有径向和方位相位剖面的16种OAM模式以及具有和不具有大气湍流效应的8种OAM叠加模式。我们没有使用直接的OAM强度图像，而是使用相应的散斑强度作为模型的输入。我们的研究表明，无噪声和无对准的OAM模式分类器在有湍流和无湍流的情况下的最大精度分别为>94%和>99%。该方法的主要优点是可以通过捕获具有足够数量的散斑颗粒的散斑强度的小区域来完成模式分类。我们还讨论了需要捕获的最小区域以及模式分类所需的探测器的最佳分辨率。（c） 2022 年光电仪器工程师协会 （SPIE）

著录项

相似文献

  • 外文文献
  • 中文文献
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号