Комментарии 4
Я правильно понимаю, что сеть обучается под конкретное волокно в итоге?
+1
Первое мнение — какая сказочная дичь в плане передачи информации по многомодовому волокну, малейшее воздействие, вибрации, температура, давление изменит картинку на выходе до неузнаваемости… хотя если подумать, на базе данных исследований можно разработать высокоточные и недорогие датчики вибраций, температуры, изгибов и т.д. просто используя пучок разнотипных волокон с разными свойствами и правильно обучив нейросеть после установки на место измерения, например на манипуляторы робота.
0
Просто охренительно, вместо бинарного сигнала можно отсылать что-нибудь вроде QR кодов, которые несут во много раз больше информации. Как тебе такое, Котельников?
А решить проблему температурного/физического сдвига можно с помощью постоянной динамической калибрации. Передатчик раз в секунду/минуту отсылает зараннее извесные калибровочные изображения, а приемник соответственно каждый раз дообучается. Ну а в остальное время передаются полезные данные.
Если что не так, fallback на более низкое разрешение, вплоть до бинарного сигнала.
И даже тогда оно работает не хуже чем текущие решения :)
А решить проблему температурного/физического сдвига можно с помощью постоянной динамической калибрации. Передатчик раз в секунду/минуту отсылает зараннее извесные калибровочные изображения, а приемник соответственно каждый раз дообучается. Ну а в остальное время передаются полезные данные.
Если что не так, fallback на более низкое разрешение, вплоть до бинарного сигнала.
И даже тогда оно работает не хуже чем текущие решения :)
0
Зарегистрируйтесь на Хабре , чтобы оставить комментарий
Реконструкция изображения: 1 км оптоволокна, искусственная нейронная сеть и глубокое обучения