深度学习光学设计和计算光学成像

第四节：非视距成像

1.成像场景概述

2.光传播模型与测量

3.成像重建算法

4.技术挑战与未来发展

第五节：无透镜成像

1.成像系统

2.光传播模型建模

3.基于深度学习的计算重建

4.技术挑战及发展

第三章：实操软件介绍及运行（实践）

第一节：Python环境的搭建

1.了解anaconda的安装

2.运行环境创建及激活

3.学习编译器spyder的使用

4.Shell脚本的使用

第二节：Python基本操作

1.变量、数据类型、控制流

2.函数、文件操作

第三节：深度学习环境实践

1.pytorch框架介绍

2.学习编译器spyder的使用

3.Shell脚本的使用

第四节：简单的深度学习网络实操

1.学习深度学习网络学习所需文件、运行方式

2.了解数据集导入、了解网络训练、了解网络测试

第二天

第四章 最优化理论基础

第一节：引言与基础概念

1.最优化概述与定义

2.最优化问题的分类与形式化表示

3.目标函数与约束条件的基本概念

4.最优解的定义与性质

5.常见的最优化应用场景与实例 

6.稀疏理论及其分析

第二节：单变量最优化方法及其编程（理论+实操）

1.单变量函数的最大值与最小值

2.黄金分割法与二分法

3.牛顿法与割线法

4.收敛性与收敛速度分析

5.实际问题中的应用与限制

第三节：多变量无约束优化及其编程（理论+实操）

1.多变量函数的最优化问题

2.梯度下降法与共轭梯度法

3.牛顿法与拟牛顿法

4.收敛性与局部最优解

5.凸优化的基本理论与方法

第四节：多变量约束优化（理论+实操）

1.等式约束与不等式约束的最优化问题

2.拉格朗日乘子法

3.KKT条件与约束优化的求解策略

4.内点法与序列二次规划方法

5.实际问题中的应用与复杂性分析

第五节：典型最优化方法

1.最小二乘法

2.ISTA方法

3.ADMM方法

4.方法编程实现（实操）

第三天

第五章 深度学习基础

第一节：深度学习相关基础

1.了解神经网络的基本原理

2.了解反向传播和链式梯度计算

第二节：主流神经网络构型讲解

1.典型卷积网络介绍（ResNet、UNet）

2.Transformer

3.MLP

第三节：神经网络训练策略

1.全监督

2.弱监督（半监督）

3.无监督（自监督）

4.迁移学习（蒸馏、域自适应）

第四节：典型神经网络的搭建及训练（实操）

主要对ResNet、UNet等选一二作为例子，搭建全监督、弱监督、无监督等训练模式，进行实操

第四天

第六章 计算成像实践

第一节：基于最优化理论的计算成像设计（理论+实操）

（选取典型的计算成像示例，通过最优化理论进行计算重建）

1.目标函数设计

2.优化算法选择

（选择合适的优化算法进行目标函数的求解，如梯度下降法、共轭梯度法、交替方向乘子法（ADMM）等）

3.噪声处理与鲁棒性增强

（在重建过程中考虑噪声的影响，通过加入正则化项或鲁棒优化技术，提高算法的抗噪性和鲁棒性）

3.实操示例

第二节：基于深度学习的计算成像设计（理论+实操）

（选取典型的计算成像示例，通过典型的神经网络进行计算重建）

1.系统架构设计和数据处理

2.深度学习模型设计及训练

3.算法优化策略与实现

4.性能评估

第五天

第七章 新兴深度神经网络设计实战（创新实践）

第一节：最优化理论的深度展开

1.最优化理论和深度学习的碰撞

2.如何将最优化方法展开成网络

第二节：讲解优化理论的深度展开具体设计

1.了解迭代收缩阈值网络论文大概

2.准备和制作数据集，参数的介绍

3.了解迭代收缩阈值网络的核心设计

第三节：如何从零开开始复现典型的迭代收缩阈值网络

1.学习阅读代码中的readme文档

2.了解代码执行的核心思想

3.介绍如何通过终端执行命令

第四节：将构建的迭代收缩阈值网络应用于无透镜计算成像实战

1.了解ImageNet数据集的基本内容及数据集整理

2.如何训练面向无透镜成像的新兴深度神经网络

课程特色及授课方式

（1）线上授课时间和地点自由，建立专业课程群进行实时答疑解惑，理论＋实操授课方式结合大量实战案例与项目演练，聚焦人工智能技术在光学设计和计算光学成像领域的最新研究进展，课前发送全部学习资料，课程提供全程答疑解惑；

（2）完全贴合学员需求的课程体系设计，定期更新的前沿案例，由浅入深式讲解，课后提供无限次回放视频，免费赠送二次学习，发送全部案例资料，永不解散的课程群，可以与相同领域内的老师同学互动交流问题，让求知的路上不再孤单！

增值服务

1、凡参加人员将获得本次课程学习资料及所有案例模型文件；

2、课程结束可获得本次所学专题全部回放视频；

3、课程会定期更新前沿内容，参加本次课程的学员可免费参加一次本单位后期举办的相同专题课程（任意一期）

课程时间

深度学习光学设计

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

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

腾讯会议 线上授课（共五天课程 提供全程视频回放）

深度学习计算光学成像：

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）

腾讯会议 线上授课（共五天课程 提供全程视频回放）

报名费用

课程费用：

深度学习光学设计、深度学习计算光学成像

每人每班¥4680元（包含会议费、资料费、提供课后全程回放资料）

报名优惠：提前报名缴费可享受300元早鸟价优惠（仅限前十名）

团报优惠：同时报名两门课程8880元

报名费用可开具正规报销发票及提供相关缴费证明、邀请函，可提前开具报销发票、文件用于报销

报名咨询方式

联系人｜陈老师

咨询电话｜15652523032（微信同号）