光讲—有用
主办方
中国科学院西安光学精密机械研究所
承办方
*中科院西安光机所青促会小组&析光学术
*两江科技评论
*light学术出版中心
《Ultrafast Science》&《光子学报》编辑部
光学报告在线开讲活动
1
直播主题
计算光学成像中的物理融合深度神经网络
2
直播时长
45分钟讲解+15分钟答疑
3
开播时间
5月31日19:00（周二晚七点）
第二季“光讲”线上报告-第八讲
报告人 简介
司徒国海 博士
司徒国海，博士，是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。他先后在30多个重要国际学术会议上作大会\主旨\辅导\邀请报告，曾获Holoknight奖、中国科学院上海分院第六届杰出青年科技创新人才奖和“全国归侨侨眷先进个人”称号，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。
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的优越性，并讨论这种策略所面临的挑战。
直播登录网址
https://k.vkaijiang.com/product/course517692
（识别图中二维码或复制上方链接直接进入直播间）
描下方二维码，立即报名观看直播
观看直播或报告回放
关注两江科技评论公众号，点击菜单“历史回顾”—“光讲回顾视频”，即可查看光讲往期回放视频。
“光讲”栏目简介
1、栏目背景
光讲有用--传播有用的光学知识。
由两江科技评论与中科院青促会西安光机所小组联手打造，依托新媒体的服务性、指导性和公开性，致力于传播科技理念与科技成果，促进科研工作者快速了解光学前沿资讯。旨在起到引领科研，传递知识的作用。
2、栏目内容
邀请国内外院士、诺奖获得者、领域知名科学家、中青年科学家等围绕物理前沿、光学领域等相关研究进展及最新研究成果进行线上报告，打造高端、前沿、严谨的线上光学论坛，传播光学知识，扩大研究成果影响力，促使光学在科技前沿、社会发展与国民生产中发挥更大作用。
光讲—有用
第二季
如需咨询，可通过两江科技评论公众号，联络小编，获取更多栏目信息。
电话：025-85890989
邮箱：fanqianwen@imeta-center.com