吴恩达的课程内容比较多，直接看完太久了，平时抽时间看看就可以了
主要看博客：
如何解释「卷积神经网络」
零基础理解卷积神经网络
传统去雾方法：
传统去雾方法通过求解大气散射模型得到清晰图像
这个公式非常重要，下面方法的博客里面都会提到，并给出解释，这个里面J是要求解的，I是已知的，t和a未知，未知参数多余方程数，是一个不适定问题，传统方法就通过添加先验（就是约束条件），使得方程可解，每个方法添加的先验都不一样，可以通过博客了解。
最著名的DCP
CAP
Non-Local Dehazing
去雾的评价标准：
PSNR
SSIM
传统及早期的深度学习算法就不推荐大家阅读论文原文了，通过大量阅读博客快速了解就够了，主要是为了大家快速入门深度学习以及快速了解去雾任务是什么、怎么做。
关于深度学习的基础，西瓜书、吴恩达以及一些博客，边进行任务的时候边感受一下这个知识，会理解得更快。
后面还会给让大家了解最近的知识，以及我们做去雾的风格，后面会希望大家加深了解生成对抗网络，也就是GAN，这个会稍微难一点，我们组是最早用GAN做去雾工作的，相对来说做得比较好了，GAN需要大家以了解卷积神经网络为基础，所以希望这两天大家能好好入一下门。
上次有给大家介绍一点点点点深度学习相关的去雾算法：dehazenet和aod 今天主要介绍深度学习的算法和另外一种好用的工具
深度学习去雾算法进阶版本
直接的图像到图像映射去雾： Gridedehaze
Dr-Net-blog1 Dr-Net-blog2 还有一个PFF-Net，但是没有找到合适的博客，你们想看我就给你们原文，不想看现在不看也没关系 上一次又让你们看AOD GFN，加上几个，作为直接到直接图像映射的了解差不多了
重点知识： GAN，生成对抗网络，这是一个神奇的工具，挺不错的，除了他本身的图像转换、图像生成应用，它还可以用来做图像复原、分割、分类、检测、样本生成，只要你用得好，基本上所有领域都可以应用，我和淑鑫也主要是用GAN做图像去雾的。
GAN的一些简单工作和综述：
https://www.jiqizhixin.com/articles/2019-03-19-12
https://blog.csdn.net/Sakura55/article/details/81514828
https://zhuanlan.zhihu.com/p/25071913
里面可能涉及一些公式，推导一时间看不来，没关系，不一定要现在就看懂，后面了解深入了，再去推导公式就会懂了
基于GAN的去雾：
Cycledehaze Dehazegan 我做得那个上次把原文发你们了
这次的了解内容差不多就是这些了，很有一点多。 然后就是dcp、nld这些传统算法网上都可以找到matlab算法，可以在自己的电脑上跑一下，对结果分析一下，然后这周天或下周你们做得完，我们可以讨论一下，你们对这些传统算法结果的看法，我们来分析一下为什么会有这样的结果，你们对这些结果有没有什么想法。