Разработка многообъективных систем технического зрения на основе изображающей дифракционной оптики и методов глубокого обучения

Прогресс в методах изготовления многуровневых дифракционных линз (МДЛ) и нейросетевых методах реконструкции позволяет начинать исследования методов и алгоритмов прикладного использования объективов на основе МДЛ в системах технического зрения. В рамках третьего этапа настоящего проекта были выполнены такие исследования и разработки, в частности, была проведена разработана сквозная нейросетевая технология реконструкции изображений, допускающая реализацию на платформе встраиваемых нейропроцессоров класса Nvidia Jetson Nano. Исследована эффективность разработанной технологии в различных прикладных сценариях. В частности, показано, что нейросетевая технология реконструкции позволяет компенсировать погрешности производства МДЛ и артефакты сжатия с потерями. Исследованы различные прикладные сценарии использования, в частности использование на борту наноспутников и БПЛА, показана эффективность комбинирования разработанных МДЛ с нейросетевыми технологиями распознавания и детектирования объектов. Получены следующие результаты – 1. Разработана высокопроизводительная технология реконструкции изображений для создания прототипа мобильной СТЗ реального времени на основе дифракционной оптики и глубокого обучения. 2. Проведено исследование эффективности генеративно-состязательных сетей в задачах реконструкции изображений. 3. Проведено исследование аспектов прикладного использование одно- и мультиапертурных систем технического зрения на основе дифракционной оптики и глубокого обучения. В целом по проекту было опубликовано 19 работ в WoS/Scopus, 3 статьи Q1, 2 из них по Scopus, одна по WoS/Scopus, результаты представлены на профильном семинаре Learning for Computational Imaging ведущей мировой конференции по компьютерному зрению IEEE ICCV, рейтинг A*.