第四節(jié)：非視距成像

1.成像場景概述

2.光傳播模型與測量

3.成像重建算法

4.技術(shù)挑戰(zhàn)與未來發(fā)展

第五節(jié)：無透鏡成像

1.成像系統(tǒng)

2.光傳播模型建模

3.基于深度學(xué)習(xí)的計算重建

4.技術(shù)挑戰(zhàn)及發(fā)展

第三章：實操軟件介紹及運行（實踐）

第一節(jié)：Python環(huán)境的搭建

1.了解anaconda的安裝

2.運行環(huán)境創(chuàng)建及激活

3.學(xué)習(xí)編譯器spyder的使用

4.Shell腳本的使用

第二節(jié)：Python基本操作

1.變量、數(shù)據(jù)類型、控制流

2.函數(shù)、文件操作

第三節(jié)：深度學(xué)習(xí)環(huán)境實踐

1.pytorch框架介紹

2.學(xué)習(xí)編譯器spyder的使用

3.Shell腳本的使用

第四節(jié)：簡單的深度學(xué)習(xí)網(wǎng)絡(luò)實操

1.學(xué)習(xí)深度學(xué)習(xí)網(wǎng)絡(luò)學(xué)習(xí)所需文件、運行方式

2.了解數(shù)據(jù)集導(dǎo)入、了解網(wǎng)絡(luò)訓(xùn)練、了解網(wǎng)絡(luò)測試

第二天

第四章 最優(yōu)化理論基礎(chǔ)

第一節(jié)：引言與基礎(chǔ)概念

1.最優(yōu)化概述與定義

2.最優(yōu)化問題的分類與形式化表示

3.目標(biāo)函數(shù)與約束條件的基本概念

4.最優(yōu)解的定義與性質(zhì)

5.常見的最優(yōu)化應(yīng)用場景與實例 

6.稀疏理論及其分析

第二節(jié)：單變量最優(yōu)化方法及其編程（理論+實操）

1.單變量函數(shù)的最大值與最小值

2.黃金分割法與二分法

3.牛頓法與割線法

4.收斂性與收斂速度分析

5.實際問題中的應(yīng)用與限制

第三節(jié)：多變量無約束優(yōu)化及其編程（理論+實操）

1.多變量函數(shù)的最優(yōu)化問題

2.梯度下降法與共軛梯度法

3.牛頓法與擬牛頓法

4.收斂性與局部最優(yōu)解

5.凸優(yōu)化的基本理論與方法

第四節(jié)：多變量約束優(yōu)化（理論+實操）

1.等式約束與不等式約束的最優(yōu)化問題

2.拉格朗日乘子法

3.KKT條件與約束優(yōu)化的求解策略

4.內(nèi)點法與序列二次規(guī)劃方法

5.實際問題中的應(yīng)用與復(fù)雜性分析

第五節(jié)：典型最優(yōu)化方法

1.最小二乘法

2.ISTA方法

3.ADMM方法

4.方法編程實現(xiàn)（實操）

第三天

第五章 深度學(xué)習(xí)基礎(chǔ)

第一節(jié)：深度學(xué)習(xí)相關(guān)基礎(chǔ)

1.了解神經(jīng)網(wǎng)絡(luò)的基本原理

2.了解反向傳播和鏈?zhǔn)教荻扔嬎?/p>

第二節(jié)：主流神經(jīng)網(wǎng)絡(luò)構(gòu)型講解

1.典型卷積網(wǎng)絡(luò)介紹（ResNet、UNet）

2.Transformer

3.MLP

第三節(jié)：神經(jīng)網(wǎng)絡(luò)訓(xùn)練策略

1.全監(jiān)督

2.弱監(jiān)督（半監(jiān)督）

3.無監(jiān)督（自監(jiān)督）

4.遷移學(xué)習(xí)（蒸餾、域自適應(yīng)）

第四節(jié)：典型神經(jīng)網(wǎng)絡(luò)的搭建及訓(xùn)練（實操）

主要對ResNet、UNet等選一二作為例子，搭建全監(jiān)督、弱監(jiān)督、無監(jiān)督等訓(xùn)練模式，進行實操

第四天

第六章 計算成像實踐

第一節(jié)：基于最優(yōu)化理論的計算成像設(shè)計（理論+實操）

（選取典型的計算成像示例，通過最優(yōu)化理論進行計算重建）

1.目標(biāo)函數(shù)設(shè)計

2.優(yōu)化算法選擇

（選擇合適的優(yōu)化算法進行目標(biāo)函數(shù)的求解，如梯度下降法、共軛梯度法、交替方向乘子法（ADMM）等）

3.噪聲處理與魯棒性增強

（在重建過程中考慮噪聲的影響，通過加入正則化項或魯棒優(yōu)化技術(shù)，提高算法的抗噪性和魯棒性）

3.實操示例

第二節(jié)：基于深度學(xué)習(xí)的計算成像設(shè)計（理論+實操）

（選取典型的計算成像示例，通過典型的神經(jīng)網(wǎng)絡(luò)進行計算重建）

1.系統(tǒng)架構(gòu)設(shè)計和數(shù)據(jù)處理

2.深度學(xué)習(xí)模型設(shè)計及訓(xùn)練

3.算法優(yōu)化策略與實現(xiàn)

4.性能評估

第五天

第七章 新興深度神經(jīng)網(wǎng)絡(luò)設(shè)計實戰(zhàn)（創(chuàng)新實踐）

第一節(jié)：最優(yōu)化理論的深度展開

1.最優(yōu)化理論和深度學(xué)習(xí)的碰撞

2.如何將最優(yōu)化方法展開成網(wǎng)絡(luò)

第二節(jié)：講解優(yōu)化理論的深度展開具體設(shè)計

1.了解迭代收縮閾值網(wǎng)絡(luò)論文大概

2.準(zhǔn)備和制作數(shù)據(jù)集，參數(shù)的介紹

3.了解迭代收縮閾值網(wǎng)絡(luò)的核心設(shè)計

第三節(jié)：如何從零開開始復(fù)現(xiàn)典型的迭代收縮閾值網(wǎng)絡(luò)

1.學(xué)習(xí)閱讀代碼中的readme文檔

2.了解代碼執(zhí)行的核心思想

3.介紹如何通過終端執(zhí)行命令

第四節(jié)：將構(gòu)建的迭代收縮閾值網(wǎng)絡(luò)應(yīng)用于無透鏡計算成像實戰(zhàn)

1.了解ImageNet數(shù)據(jù)集的基本內(nèi)容及數(shù)據(jù)集整理

2.如何訓(xùn)練面向無透鏡成像的新興深度神經(jīng)網(wǎng)絡(luò)

課程特色及授課方式

（1）線上授課時間和地點自由，建立專業(yè)課程群進行實時答疑解惑，理論＋實操授課方式結(jié)合大量實戰(zhàn)案例與項目演練，聚焦人工智能技術(shù)在光學(xué)設(shè)計和計算光學(xué)成像領(lǐng)域的最新研究進展，課前發(fā)送全部學(xué)習(xí)資料，課程提供全程答疑解惑；

（2）完全貼合學(xué)員需求的課程體系設(shè)計，定期更新的前沿案例，由淺入深式講解，課后提供無限次回放視頻，免費贈送二次學(xué)習(xí)，發(fā)送全部案例資料，永不解散的課程群，可以與相同領(lǐng)域內(nèi)的老師同學(xué)互動交流問題，讓求知的路上不再孤單！

增值服務(wù)

1、凡參加人員將獲得本次課程學(xué)習(xí)資料及所有案例模型文件；

2、課程結(jié)束可獲得本次所學(xué)專題全部回放視頻；

3、課程會定期更新前沿內(nèi)容，參加本次課程的學(xué)員可免費參加一次本單位后期舉辦的相同專題課程（任意一期）

課程時間

深度學(xué)習(xí)光學(xué)設(shè)計

2024.08.12----2024.08.16（晚上19.00-22.00）

2024.08.19----2024.08.23（晚上19.00-22.00）

騰訊會議 線上授課（共五天課程 提供全程視頻回放）

深度學(xué)習(xí)計算光學(xué)成像：

2024.08.17-2024.08.18（上午9.00-11.30下午13.30-17.00）

2024.08.24-2024.08.25（上午9.00-11.30下午13.30-17.00）

2024.08.31（上午9.00-11.30下午13.30-17.00）

騰訊會議 線上授課（共五天課程 提供全程視頻回放）

報名費用

課程費用：

深度學(xué)習(xí)光學(xué)設(shè)計、深度學(xué)習(xí)計算光學(xué)成像

每人每班¥4680元（包含會議費、資料費、提供課后全程回放資料）

報名優(yōu)惠：提前報名繳費可享受300元早鳥價優(yōu)惠（僅限前十名）

團報優(yōu)惠：同時報名兩門課程8880元

報名費用可開具正規(guī)報銷發(fā)票及提供相關(guān)繳費證明、邀請函，可提前開具報銷發(fā)票、文件用于報銷

報名咨詢方式

聯(lián)系人｜陳老師

咨詢電話｜15652523032（微信同號）