傅里叶光学用于光学模式识别
Fourier Optics used for Optical Pattern Recognition
频道:Huygens Optics · 时长:18:30 · 发布:2020-07-25 · 播放:103391
简介
Huygens Optics解释了傅里叶变换,并展示了透镜如何光学地执行傅里叶变换。使用DLP投影仪作为傅里叶滤波器,对光刻字符图案进行简单的模式识别。
HN 为什么推荐
被推荐为傅里叶变换的最佳解释之一,以及模拟光学计算的清晰演示。
这个视频恰好包含了我遇到过的对傅里叶变换的最佳解释之一。 — HN, 2021
计算机视觉、语音与 NLP · 信息论与信号处理 · 日常物理与科学演示
中文字幕节选
啊啊啊啊 啊啊啊啊 啊啊啊啊 大家好。坐在我旁边的是我的妻子Liesbeth, 我们正在比较我们声音的声谱。 尽管我们试图唱同一个音符,但我们的声音听起来相当不同。 我很好奇是否能在音频频谱中轻易看到这种差异。 对于这个实验,我使用了Google Play商店中一个名为Spectroid的免费应用。 这里您可以看到我们声音的频谱,显示 水平轴上的频率刻度和作为较浅颜色的振幅。 正如您所见,音频频谱之间确实存在差异。 特别是在这里的泛音区域。 正是这些差异使得能够区分声音。 不仅对于智能手机,对于人类也是如此。 对于人类来说,区分不同的声音几乎是自然而然的。 我们也使用频谱分析来做到这一点。 事实上,我们的耳朵里有一个非常先进的硬件,称为耳蜗。 它包含一个薄膜,位于一种螺旋 形的空腔中,与大量听觉神经相连。 它拾取的每个频率都通过单独的神经传输到大脑。 因此,到达我们耳朵的复杂声波 首先被转换为频谱。 在某种意义上,我们的大脑不是直接处理音频信号,而是处理音频 信号的频谱。但正如您用智能手机所看到的, 将音频信号转换为频谱也可以在软件中完成。 在智能手机的情况下,使用了一种称为 快速傅里叶变换的算法,它是 约瑟夫·傅里叶在18世纪末发明的傅里叶 变换的数值实现。 现在,因为傅里叶变换的理论 实际上相当高级,我们不会深入探讨。 相反,我只会浅尝辄止几分钟。 作为一个例子,让我们考虑一个随时间变化的信号。 我们知道这个信号包含几个不同的频率。 要找出特定频率是否在 这个信号中,我们可以将信号与测试频率相乘。 我说的相乘是指每条曲线中逐值相乘。 这个乘法的结果例如是这条曲线。 接下来我们可以做的是取结果 曲线并对所有值随时间积分。 基本上,这个过程涉及将曲线中的所有值相加。 所以这个和等于所有正 面积(以绿色显示)减去负面积之和(以红色显示)。 这个过程产生一个净值,这里显示为这个箭头的大小。 问题是,如果检查的频率 不在信号中,和通常 会很小,因为正值和 负值会随时间相互抵消。 然而,如果我们对信号中实际 存在的频率做同样的事情, 积分将产生更大的净值。 通过对大量频率重复这个乘法和积分 过程,我们可以构建一个频谱。 如果您看这里的频谱,您会 看到信号主要由3个不同的频率组成。 这就是傅里叶变换背后的基本思想。 有了这个在脑海中,我 可以很快地说明这个过程 是如何由傅里叶变换的实际公式描述的。 作为频率函数的频谱 (f) 等于作为时间函数 的信号 (t),乘以频率为f的正弦函数。 然后这个乘积对时间进行积分。 这就是我刚才演示的过程, 基本上就是傅里叶变换的精髓。 但当然,这还不是全部。 在我的例子中,主要的简化是 我使用了一个非常简单的正弦函数, 而不是这里展示的复杂谐波函数。 关键区别在于,在完整公式中, 变换得到的结果是复数。 得到的函数不仅包含 每个频率的简单振幅值,
HN 上的讨论
让我想起这个非常酷的视频,讲的是用傅里叶光学进行光学模式识别。[1] 这个视频碰巧包含了我至今遇到的对傅里叶变换最好的解释之一。1: [VIDEO] — jstrieb, 2022-08
对于有点相关的话题(模拟图像识别),感兴趣的话,我强烈推荐这个视频:[VIDEO] — orlp, 2022-06
我是在一个非常酷的视频里了解到这个概念的,讲的是用傅里叶光学进行光学模式识别。[0] 这个视频碰巧包含了我至今遇到的对傅里叶变换最好的解释之一。[0] [VIDEO] — jstrieb, 2021-09
Huygens Optics有一个很棒的视频“用于光学模式识别的傅里叶光学”。他首先解释了关于音频的傅里叶变换,然后演示了一个物理滤波器,它筛选得到的卷积图案以识别匹配。非常酷:[VIDEO] — infogulch, 2025-01
你可以把透镜看作一个“傅里叶变换器”,不是直接对应LLM意义上的,而是指执行傅里叶变换的东西。看看Huygens Optics的精彩视频,包括这个:[VIDEO],标题是“用于光学模式识别的傅里叶光学”。既然这样,那么不难想象,擅长运行傅里叶变换的东西可能也适用于其他需要并行运行大量点积的情况。这反过来听起来应该是一个非常熟悉的问题…… — CamperBob2, 2024-05
相关视频
- 如何在太空中实现纳米级精度? · Breaking Taps · 11:06
- 两把(?)无法撬开的锁,送给 Lock Picking Lawyer! · Stuff Made Here · 14:39
- 这就是为什么我们不能拥有好东西 · Veritasium · 17:30
- 数学的未来? · Microsoft Research · 1:14:48
- 快速平方根倒数——Quake III 算法 · Nemean · 20:08
- [1299] 来自 Stuff Made Here 的无法撬开的锁 · LockPickingLawyer · 10:35
- 为什么不能相乘向量? · Freya Holmér · 51:15
- Refterm讲座第一部分 - 优化哲学 · Molly Rocket · 18:41
- 自动微分的简单本质 - Conal Elliott · Microsoft Research · 1:30:45
- 身体在想什么:神经系统之外的生物电计算 - NeurIPS 2018 · The Artificial Intelligence Channel · 52:06
- 我自己进去:物理渗透测试人员的策略 · Wild West Hackin' Fest · 44:55
- 黑暗哥特 MAGA:科技亿万富翁如何计划摧毁美国 · Blonde Politics | The Silly Serious · 29:52
- X射线荧光枪(测量化学成分)的演示与拆解 · Applied Science · 22:47
- Siggraph2019 几何代数 · Bivector · 1:37:21
- AT&T档案:波行为的相似性(特别版) · AT&T Tech Channel · 28:02
- 但什么是傅里叶变换?视觉介绍。 · 3Blue1Brown · 19:41