人工智能与超材料结合：突破衍射极限，实现声波高分辨率成像

通过将特制材料和人工智能神经网络相结合，洛桑联邦理工学院科学家，现在已经证明并实现声波可以用于高分辨率成像。成像技术能让我们通过对物体发射或辐射的光波和声波进行远场分析来描绘物体。波形越短，图像的分辨率就越高。然而，到目前为止，细节水平受到所讨论波长大小的限制。洛桑联邦理工学院科学家已经成功地证明，声波可以得出比其波长小30倍的细节。

为了实现这一点，研究人员使用了超材料（特别是工程元素）和人工智能的结合，其研究成果发表在《物理评论X》期刊上，正在创造令人兴奋的新可能性，特别是在医学成像和生物工程领域。该研究团队的突破性想法是将两项独立的技术结合在一起，这两项技术之前已经突破了成像的界限。其中之一是超材料：例如，可以精确聚焦波长的特制元件。

这就是说，众所周知，它们会因为随意吸收信号而失去效力，而这种方式使得它们很难破译。另一种是人工智能，更具体地说是神经网络，它可以快速有效地处理即使是最复杂的信息，尽管涉及到一个学习曲线。为了超过物理学中已知的衍射极限，由罗曼·弗勒里(Romain Fleury)领导的研究小组进行了以下实验：首先创建了一个由64个微型扬声器组成的晶格，每个扬声器可以根据图像中的像素激活。

然后使用晶格以极其精确的空间细节再现了从0到9的数字的声音图像；输入到网格中的数字图像是从大约7万个手写样本的数据库中提取。在格子的对面放置了一个袋子，里面装着39个亥姆霍兹谐振器(10厘米的球体，一端有一个洞)，形成了一种超材料。晶格产生的声音由超材料传输，并被放置在几米外的四个麦克风捕获。然后，算法对麦克风录制的声音进行解密，以学习如何识别和重新绘制原始数字图像。

实验获得了近90%的成功率，通过生成分辨率仅为几厘米的图像（-使用长度约为一米的声波）远远超过了衍射极限。此外，超材料吸收信号的倾向一直被认为是一大缺点，但当涉及神经网络时，这被证明是一种优势，研究发现，当有大量吸收时，它们的工作效果更好。在医学成像领域，利用长波观察非常小的物体可能是一个重大突破。

长波意味着医生可以使用低得多的频率，声成像方法即使在致密骨组织中也是有效的。当谈到使用电磁波的成像时，长波对患者 健康 的危害较小。对于这些类型的应用，研究不会训练神经网络识别或复制数字，而是训练神经网络识别或复制有机结构。

　1 cifar10数据库

60000张32*32 彩色图片 共10类

50000张训练

10000张测试

下载cifar10数据库

这是binary格式的，所以我们要把它转换成leveldb格式。

2 在../caffe-windows/examples/cifar10文件夹中有一个 convert_cifar_data.cpp

将他include到MainCaller.cpp中。如下：

编译....我是一次就通过了 ，在bin文件夹里出现convert_cifar_data.exe。然后 就可以进行格式转换。binary→leveldb

可以在bin文件夹下新建一个input文件夹。将cifar10.binary文件放在input文件夹中，这样转换时就不用写路径了。

cmd进入bin文件夹

执行后，在output文件夹下有cifar_train_leveldb和cifar_test_leveldb两个文件夹。里面是转化好的leveldb格式数据。

当然，也可以写一个bat文件处理，方便以后再次使用。

3 下面我们要求数据图像的均值

编译../../tools/comput_image_mean.cpp

编译成功后。接下来求mean

cmd进入bin。

执行后，在bin文件夹下出现一个mean.binaryproto文件，这就是所需的均值文件。

4 训练cifar网络

在.../examples/cifar10文件夹里已经有网络的配置文件，我们只需要将cifar_train_leveldb和cifar_test_leveldb两个文件夹还有mean.binaryproto文件拷到cifar0文件夹下。

修改cifar10_quick_train.prototxt中的source: "cifar-train-leveldb" mean_file: "mean.binaryproto" 和cifar10_quick_test.prototxt中的source: "cifar-test-leveldb"

mean_file: "mean.binaryproto"就可以了，

后面再训练就类似于MNIST的训练。写一个train_quick.bat，内容如下：

[plain] view plaincopy

copy ..\\..\\bin\\MainCaller.exe ..\\..\\bin\\train_net.exe

SET GLOG_logtostderr=1

"../../bin/train_net.exe" cifar10_quick_solver.prototxt

pause

基于整形变换的手写汉字识别方法:在IEICE Transaction、电子学报等国内外学术杂志上发表10多篇相关论文。在对日本国家标准汉字数据库ETL9的测试中获最高识别率，在1995年和 1998年国家863举行的两次全国评测中分别获得识别率的第一名和第三名。

HCL2000：在国家863计划支持下研制完成的一个大规模脱机手写汉字数据库。HCL2000面向国标一级汉字，每个汉字有近2000个样本，并包含书写者信息。是目前世界上样本数最多信息最丰富的脱机手写汉字数据库，不仅可用于汉字识别系统的训练和测试，还可用于研究影响文字书写的各种因素。目前已在清华大学、北京大学、北京邮电大学、华南理工大学、国家信息工程中心、汉王公司等单位的研究开发工作中被实际采用。

书童码汉字输入法：获国家发明专利。 《人民日报》、《光明日报》、《科技日报》、《中国青年报》、《计算机世界》、《中华工商时报》、《金融时报》等多家报纸宣传报道，已在全国范围内推广应用。

《网络管理与控制技术》：人民邮电出版社，1999年1月，原邮电部重点教材

《智能信息技术》：北京邮电大学出版社，1999年10月

---