【报告题目】计算光学成像中的物理融合深度神经网络
【报 告 人】司徒国海教授，中科院上海光机所
【报告时间】2022年6月8日（周三） 19:00
【腾讯会议ID】585-361-031
【报告摘要】
深度神经网络（DNN）对计算成像（CI）产生了深刻的影响。通常情况下，一个DNN应该在特定的训练数据集上进行训练，然后才能用于解决相应的CI问题。以这种方式训练的DNN从根本上说是一个黑匣子，对其可解释性缺乏深入了解。 在此，我将报告我们团队最近在物理增强深度神经网络（PhysenNet）方面的工作。PhysenNet是一种将物理成像模型与传统DNN融合的策略。它具有两个明显的优势：首先，它不需要数据集进行训练，而只需要将待处理的数据作为输入；物理模型和随机初始化的DNN之间的相互约束提供了一个优化DNN的机制，并完成图像重建。其次，重建后的图像满足物理模型的约束，因而是可解释的。我将以相位成像和计算鬼成像为例来证明PhysenNet的原理和优越性。
【报告人简介】
司徒国海，中科院上海光机所研究员，国家高层次人才计划入选者，中科院计算光场成像创新交叉团队负责人；近年来致力于发展基于人工智能的计算光学成像技术，解决在强散射、弱光照等极端环境中的成像问题，取得多项重要研究成果，论文在Nature Photonics、Light Sciences & Applications、Optica等期刊上发表，入选Elsevier中国高被引学者。他曾获Holoknight奖和中国科学院上海分院第六届杰出青年科技创新人才奖，先后任OSA Robert E. Hopkins领袖奖、SPIE Dennis Gabor衍射光学奖评审委员会委员。
欢迎感兴趣的老师同学参加！
