验证集上的自动降噪自动编码器会产生不好的结果,甚至对于实例中随机产生噪声的火车图像也是如此

时间:2019-03-29 08:20:05

标签: tensorflow keras deep-learning autoencoder

我在STL-10数据集上训练了一个小型去噪自动编码器ConvNet,并且训练/测试_noisy数据的输出是干净的。 但是,如果我拍摄一个验证图像并添加噪声并通过网络,它的输出中仍然会有一些噪声。

还有一个关键的观察结果是,当我拍摄任何火车设置图像并在运行时对其添加噪声并通过网络时,它作为验证设置图像的性能输出也很差。 随附输出图片。Result on val_set

result on test set 欢迎任何建议!

1 个答案:

答案 0 :(得分:0)

请确保您的验证集数据健康;听起来好像太死板了。对于体系结构,请考虑使用MaxPool2D图层提取关键特征,然后在以后使用UpSampling2D还原它们。希望有帮助!