首页 > 学术讲座 > 正文
物理成像模型驱动的图像复原深度学习方法
发布时间:2019-12-04    

讲座主题

物理成像模型驱动的图像复原深度学习方法

主讲人姓名及介绍

潘金山,南京理工大学计算机学院教授、博士生导师。2017年毕业于大连理工大学数学科学学院,获博士学位。曾在哈佛大学和加州大学Merced分校访问研究两年。主要从事图像去模糊、图像复原等相关底层视觉问题的研究。近年来,在CVPR、ICCV、ECCV等国际会议以及IEEE TPAMI、IJCV等重要国际期刊上发表论文40余篇,其中CCF推荐A类论文30余篇。根据Microsoft Academic统计的近5年最具影响力的全球学者排位,位列图像去模糊领域第2位。获得了中国人工智能学会优秀博士学位论文奖以及辽宁省优秀博士学位论文奖。2019年获得国家优秀青年科学基金资助。

报告摘要

现有的基于深度神经网络的图像复原算法大多依赖模型的容量,网络结构设计上没有有效利用图像退化过程的性质。针对这一问题,我们首先介绍图像退化的物理成像模型以及传统的基于物理成像模型的相关复原算法,并以此为基础讨论如何利用物理成像模型约束深度神经网络,使得深度神经网络更加紧致,从而能够有效地刻画并解决图像复原及增强问题。

学术讲座