深度学习类培训：光学设计&计算光学成像&计算机视觉

专题一：深度学习光学设计

1.基于深度学习的光网络的培养目标主要集中在培养具备现代光学理论基础和深度学习技术知识的高级专业人才。他们不仅需要熟悉现代光学的原理，还需要掌握深度学习算法的原理和应用，能够结合深度学习和现代光学原理设计出具有光学加速功能的器件。 

2. 初步掌握构建深度学习模型所需的使用的工具，学会搭建深度学习开发环境。让初学者能够使用深度学习框架搭建常用神经网络模型，了解模型训练过程中出现的问题并掌握常用的解决办法。 

3. 熟悉超材料的发展现状，基本掌握多物理场仿真软件，并能够使用该软件计算光子晶体 的能带并对仿真结果做后处理。了解超表面在光学以及量子领域方面的应用，学会使用仿真软件对超表面结构进行仿真以及后续的结果分析。

4. 知道MATLAB与COMSOL以及Python间的交互方式，学会使用 Python处理COMSOL导出的数据，了解如何使用 MATLAB 将 COMSOL 的数据导出并处理为 Python 能读取的数据。 

5. 了解硅基光网络的发展现状，知道矩阵分解的原理，学会使用深度学习框架去搭建一个基于MZI的模型框架并将其应用在深度学习实例上。 

6. 未来利用光的加速功能，基于片上的光网络可以设计出具有加速功能的光芯片。基于衍射网络，则可以在自由空间上设计出快速成像系统，加速自动驾驶的图像识别。 

7. 利用深度学习模型，可以克服传统基于全波模拟的设计方法的劣势，可以快速给出给定 结构的目标响应，加速光学设计的过程。

专题二：深度学习计算光学成像

1.掌握深度学习算法的原理和应用，剖析计算成像主流研究范围及关联的统一计算范式，能够运用深度学习技术对光学成像系统进行创新设计和优化。

2.掌握利用深度学习从成像设备优化设计、典型计算成像任务以及后端的计算机视觉任务的认知框架，并掌握对相应计算成像技术发展现状和任务执行能力。（分享课程涉及的所有数据集、代码）

3.通过顶刊论文复现带着学员手把手操作，让学员详细的学会顶刊写作思路。（分享课程涉及的所有数据集、代码）

4.通过多个案例的讲解，让学员能够熟练的做自己的科研项目。（分享课程涉及的所有数据集、代码）

专题三：深度学习计算机视觉

1.掌握深度学习算法的原理与应用，深入分析计算机视觉技术的主流研究方向及相关的统一计算范式，能够运用深度学习技术进行计算机视觉系统的创新设计与优化。

2.掌握从成像设备优化设计到典型计算机视觉任务的认知框架，理解深度学习在计算机视觉任务中的应用，全面了解当前计算机视觉技术的发展现状和任务执行能力。（分享课程涉及的所有数据集、代码）

3.通过复现顶级期刊论文并进行实操指导，帮助学员深入理解学术论文的写作思路与技术细节。（分享课程涉及的所有数据集、代码）

4.通过多个案例的讲解，帮助学员熟练掌握并独立开展科研项目。（分享课程涉及的所有数据集、代码）