Core Concepts
RESNET50 합성곱 신경망을 이용하여 산란 매체 내 광학 매개변수를 효과적으로 추출할 수 있다.
Abstract
이 연구에서는 몬테카를로 시뮬레이션을 통해 생성된 데이터를 바탕으로 RESNET50 합성곱 신경망을 훈련하여 산란 매체 내 광학 매개변수를 추출하는 방법을 제안한다.
주요 내용은 다음과 같다:
기존 연구에 비해 훨씬 적은 수의 입력 데이터로도 비슷하거나 더 나은 정확도로 광학 매개변수를 추출할 수 있다. 이는 RESNET50 신경망이 데이터에서 효과적으로 패턴을 찾아내기 때문이다.
광학 매개변수 추출을 위해 다양한 입력 데이터를 활용했다. 단일 평면의 강도 분포뿐만 아니라 두 평면의 강도 분포, 그리고 각도 정보를 포함한 데이터를 사용했다. 각도와 위치 정보를 모두 활용한 경우 가장 좋은 성능을 보였다.
산란 계수와 흡수 계수를 동시에 추출하는 모델과 각각 별도로 추출하는 모델을 비교했는데, 성능 차이가 크지 않았다. 이는 RESNET50 신경망이 두 매개변수를 동시에 추출할 수 있는 충분한 복잡도를 가지고 있기 때문으로 보인다.
향후 연구에서는 산란 계수와 등방성 계수를 개별적으로 추출하는 방법을 시도할 계획이다. 이를 통해 광 전파 과정에 대한 더 깊은 이해를 얻을 수 있을 것으로 기대된다.
Stats
산란 계수의 범위는 0.5 ~ 2.8 mm-1이었다.
흡수 계수의 범위는 0.01 ~ 1.65 mm-1이었다.
등방성 계수의 범위는 0.8 ~ 0.99이었다.
시료 두께는 0.118 mm였다.
Quotes
"RESNET 아키텍처는 광학 매개변수를 추출하는 데 편리하고 강력한 수단을 제공한다."
"각도와 위치 정보를 모두 활용하면 산란 매개변수 예측 정확도를 향상시킬 수 있다."