超高速デジタルライトプロジェクターを用いた単一画素画像分類

パターン認識と画像分類は、機械ビジョンにおける重要なタスクです。自動運転車のような自律走行システムは、変化する環境に含まれる複雑な情報をリアルタイムで収集し、それを分類する能力を必要とします。ここでは、単一画素撮像（SPI）の技術と低複雑度の機械学習モデルを組み合わせることで、マルチkHzのフレームレートでの画像分類を実験的に実証します。SPIのためのCMOS上のマイクロLEDを用いたデジタルライトプロジェクターの採用により、サブミリ秒の画像エンコードのための超高速パターン生成を可能にします。私たちは、広く受け入れられているMNIST数字分類というベンチマーク課題に対して、我々の実験系の分類精度を評価します。2つの機械学習モデルの分類性能を比較します。極端学習機（ELM）と、バックプロパゲーションで訓練された深層ニューラルネットワークです。両モデルの複雑さを低く保ち、推論時間へのオーバーヘッドを画像生成時間と同等に抑えています。重要なのは、我々の単一画素画像分類アプローチが情報の時空間変換に基づいており、画像再構成の必要性を完全に回避している点です。SPIに基づくELMを二値分類器として評価することで、超高速イメージング環境における効率的な異常検知の可能性を示します。