Deep unfolding methods in image inverse problems: some algorithm and theoretical advances
报告人：吴春林
报告地点：腾讯会议ID：933-995-317
报告时间：2025年12月12日星期五9:00-10:00
邀请人：刘俊
报告摘要：
Deep unfolding methods are an important kind of methods in image inverse problems. They combine well mathematical modeling and data-driven spirits, and provide a good strategy to construct interpretable learning-based methods.In this talk, we will discuss some recent advances in such methods. We will in particular present our recent L1DecNet+ architecture for object segmentation based on sparse regularization, as well as dynamical system analysis (stability and deep layer limit) of learned primal-dual.
主讲人简介：
吴春林，南开大学数学科学学院教授、博士生导师。研究兴趣为图像反问题、稀疏优化、深度学习中的基础理论与算法。于2001年和2006年在中国科学技术大学获得学士和博士学位。曾在中国科学技术大学，新加坡南洋理工大学，新加坡国立大学从事博士后研究工作。2012年加入南开大学。入选国家高层次青年人才项目，主持多项国家级与省部级基金项目。（曾）任中国数学会计算数学分会常务理事、天津市数学会计算数学分会理事长、中国运筹学会数学规划分会理事、中国运筹学会算法软件与应用分会理事、天津市数学会理事、天津市工业与应用数学会理事、南开大学数学科学学院副院长，国际期刊Advances in Continuous and Discrete Models编委。
学校主页