[！[在此处输入图像描述] [1]] [1]我实际上是在使用双重摄影来重建一些图像。接下来，我想训练一个网络以通过消除噪声（降噪自动编码器）来重建清晰的图像。
用于训练网络的输入是重建图像，而输出是地面实况或基于计算机的标准测试图像。现在输入的内容，例如Lena就是Lena的版本不完全准确，其图像在位置和某些伪影上都有偏移。
如果我将输入保留为重构图像，将训练输出保留为Lena测试图像（计算机标准测试图像），它将起作用吗？ 我只想知道输入/输出是否发生了变化，或者其中某些细节（由于裁剪）而无法使用。
答案 0 :(得分：1)
这取决于许多因素，例如用于训练的图像和网络的体系结构。
但是，您想要做的是建立一个学习噪声或低水平信息的网络，为此目的，生成对抗网络（GAN）非常流行。您可以阅读关于它们的here。也许，在尝试了方法之后，如果结果不令人满意，则尝试使用GAN，例如DCGAN（深度卷积GAN）。
如果愿意，还可以与社区分享您的成果。
答案 1 :(得分：1)
去噪自动编码器！喜欢它！
没有理由不使用这些图像训练模型。如果训练有素，则自动编码器将在有足够数据的情况下最终学习转换。
但是，如果您有“阳性”图像，强烈建议您创建自己的嘈杂图像，然后在该受控工作区域中进行训练。您将简化问题，并且更容易解决。
是什么阻止您这样做呢？