所属分类：视觉图像与光学光电 当前为单品课程，可返回上一级继续浏览同方向资料。

← 返回上一级

← 返回所属目录咨询 / 购买

AI-ISP核心技术剖析:传统ISP与神经网络结合的混合架

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

AI-ISP的行业背景 · 发展驱动力 · 与传统ISP的对比

课程导论AI-ISP

传统ISP基础

ISP流水线各模块（黑电平校正 · 去马赛克 · 白平衡

图像传感器与RAW数据

CMOS/CCD传感器工作原理 · RAW格式特性 · Bayer阵列

RAW图像传感器

传统ISP的局限与挑战

在低光 · 高动态 · 复杂纹理等场景下的瓶颈

深度学习基础回顾

卷积神经网络 · 残差网络 · 注意力机制

深度学习基础回顾卷积神经网络

AI-ISP混合架构总览

传统ISP与神经网络结合的三种模式（… · 后处理 · 端到端替换）

AI-ISP混合架构总览

数据准备与预处理

RAW图像数据集构建 · 配对数据生成（模拟退化） · 数据增强策略

数据准备预处理

基于CNN的ISP模块替换

用神经网络替代单个ISP模块（如去马… · 去噪）的设计思路与案例

端到端AI-ISP

从RAW到sRGB的端到端神经网络模… · 损失函数设计 · 训练技巧

AI-ISP端到端

混合架构中的特征融合

传统ISP中间特征与神经网络特征的融… · 注意力融合）

混合架构特征融合

可微ISP与联合优化

将传统ISP参数作为可学习变量 · 与神经网络联合训练的方法（如Unro…

低光增强与去噪实战

基于AI-ISP的低光RAW图像增强… · 训练与评估

低光增强去噪实战

高动态范围（HDR）处理

多帧RAW融合 · 基于神经网络的HDR重建 · 与传统ISP的协同

HDR高动态范围

超分辨率与AI-ISP

RAW域超分辨率 · 与传统ISP结合的超分方案 · 实时性优化

AI-ISP超分辨率

色彩科学在AI-ISP中的角色

色彩校正矩阵 · 色彩空间转换 · 白平衡的神经网络建模

AI-ISP色彩科学

模型轻量化与移动端部署

知识蒸馏 · 量化 · 剪枝

模型轻量化移动端部署

AI-ISP的硬件加速

NPU/GPU/DSP上的算子优化 · 流水线设计 · 功耗与延迟控制

AI-ISP的硬件加速

训练策略与损失函数设计

感知损失 · 对抗损失 · 频域损失

训练策略损失函数设计

评估指标与基准测试

PSNR · SSIM · LPIPS

评估指标基准测试

常见问题与调试技巧

训练不收敛 · 色彩偏移 · 伪影

常见问题调试技巧

基于PyTorch实现一个简单的AI… · 并对比传统方法

案例实战PyTorch

构建一个低光RAW增强的混合ISP流… · 集成传统模块与神经网络

案例实战RAW

使用预训练模型进行端到端RAW到RG… · 并分析中间特征

案例实战RAW

针对特定传感器（如IMX586）进行…

案例实战IMX586

前沿研究进展

基于Transformer的AI-I… · 扩散模型在ISP中的应用 · 神经渲染与ISP结合

前沿研究进展Transformer

AI-ISP与计算摄影

多摄融合 · 夜景模式 · 人像虚化等场景中的混合架构设计

AI-ISP计算摄影

AI-ISP的标准化与生态

OpenISP · PyTorch/ONNX生态 · 行业标准（如Android Came…

AI-ISP的标准化

设计一个完整的AI-ISP系统 · 从需求分析 · 数据准备

综合项目AI-ISP

课程总结与进阶路径

核心知识回顾 · 常见误区 · 推荐与开源项目

课程总结进阶路径

完成一个AI-ISP混合架构的实战项… · 并撰写技术报告与答辩

结业考核AI-ISP