為什麼對光學影象進行預處理

現在的現象，影象分析在當代技術中無處不在：從醫療診斷到自動駕駛車輛再到面部識別。使用深度學習卷積神經網路的計算機（處理影象的演算法層）已經徹底改變了計算機視覺。

但是，卷積神經網路（CNN）通過從先前訓練的資料中學習，經常記憶或發展成定式來對影象進行分類。而且比較容易受到對抗性攻擊，這些攻擊以影象中微小的、幾乎無法察覺的扭曲形式出現，從而導致錯誤的決策。這些缺點限制了CNN的實用性。

原因：

將計算機視覺與光學前處理器相結合可以提高影象處理演算法的能源效率和可靠性，由於光在預處理階段不耗費能量就能完成數學函式，因此使用混合計算機視覺系統可以大大節省時間和能源。這種新興的方法可能能克服深度學習的缺點，還能充分利用光學和電子學的優勢。