在训练卷积自动编码器之前，如何对图像像素值进行标准化/标准化有些困惑。目标是使用自动编码器进行降噪，这意味着我的转换图像由嘈杂的图像和原始的非嘈杂的图像组成，用作地面实况。
据我所知，有一些预处理图像的选项： -标准化 -标准化（z得分）
当使用MinMax方法进行归一化（在0-1之间缩放）时，网络工作正常，但是我的问题是： -使用训练集的最小值/最大值进行缩放时，我应该使用嘈杂图像或地面真实图像的最小值/最大值吗？
训练自动编码器时观察到的第二件事： -使用z分数标准化，损失在前两个时期减少，此后在约0.030处停止并停留在该位置（卡住）。这是为什么？标准化后，损失减少得更多。
预先感谢
欢呼
迈克
答案 0 :(得分：0)
[注意：此答案是上面评论的汇总，以供记录]
MinMax实际上对异常值和某些类型的噪声敏感，因此不应在去噪应用中使用它。您可以改用5％和95％的分位数，也可以使用z得分（对于它们来说，现成的实现更为常见）。
要进行更实际的训练，应对嘈杂的图像进行归一化。
由于最后一层使用了S形激活（来自您的评论的信息），因此网络的输出将被强制设置为0到1。因此，它不适用于z分数转换后的图像上的自动编码器（因为目标强度可以取任意值正值或负值）。在这种情况下，身份激活（在Keras中称为线性）是正确的选择。
但是请注意，关于激活的说明仅涉及输出层，任何激活功能都可以在隐藏层中使用。理由：负值乘以隐藏层的ReLU输出可以得到输出中的负值。