光学成像通常用于工业界和学术界的科学和技术应用，在图像传感中，通过对数字化图像的计算分析来执行诸如物体的位置或轮廓的测量。一种新兴的图像传感范式依赖于光学系统，该光学系统不是执行成像，而是充当编码器，通过提取显著特征将图像光学压缩到低维空间中；然而，这些编码器的性能通常受到它们的线性度的限制。鉴于此，来自康奈尔大学应用与工程物理学院的Peter L. McMahon等人报道了一种用于图像传感的非线性多层光学神经网络（ONN）编码器，该编码器基于商业图像增强器作为光学到光学非线性激活函数。

文章要点：

1) 该研究这种非线性ONN在几个代表性任务中优于类似尺寸的线性光学编码器，包括机器视觉基准、流式细胞术图像分类和三维打印真实场景中物体的识别；

2) 此外，对于机器视觉任务，特别是那些具有非相干宽带照明的任务，该研究的概念可以大大降低对相机分辨率和电子后处理复杂性的要求，且使用ONN的图像预处理应该能够使图像传感应用程序以更少的像素、更少的光子、更高的吞吐量和更低的延迟准确运行。

参考资料：

Wang, T., Sohoni, M.M., Wright, L.G. et al. Image sensing with multilayer nonlinear optical neural networks. Nat. Photon. (2023).

10.1038/s41566-023-01170-8

https://doi.org/10.1038/s41566-023-01170-8