5月28日，应数学与统计学院的邀请，南开大学吴春林教授线上为我院师生作题为“Some advances in deep unfolding methods in image inverse problems”的学术报告。数学与统计学院师生共十余人参加此次报告。

本次报告围绕图像逆问题中的深度展开方法，探讨其近期进展。首先，吴老师指出，图像反问题旨在从观测数据中恢复原始图像信息，传统方法常受限于噪声干扰与计算效率，深度学习技术的引入为这一经典问题提供了新思路。基于此，利用深度展开方法，连接传统优化与深度学习，巧妙融合了模型驱动与数据驱动的优势。接着，吴老师重点介绍基于稀疏正则化的目标分割架构L_1DecNet+，以及学习型原始-对偶算法的动态系统分析。该类方法巧妙融合数学建模与数据驱动思想，为构建可解释的基于学习的方法提供了有效策略。最后，对报告内容进行了总结与展望。

报告结束后，吴老师对师生提出的相关问题进行了积极的回答，开拓了在场学生的科研视野，受益匪浅。

专家简介：

吴春林，南开大学数学科学学院教授、博导。研究兴趣为图像反问题、稀疏优化、深度学习。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。入选国家高层次人才青年项目、天津市高层次人才青年项目，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、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学会理事、天津市数学会计算数学分会理事长。

（数学与统计学院 耿欣欣 李海锋）