Считаете ли вы, что декодер-декодер FCN может заменить алгоритм свертки ядер?

Question

Я хотел бы попытаться реализовать полностью подключенную сверточную нейронную сеть с автоматическим кодировщиком как Unet для преобразования изображения в другое с неизвестной нелинейной связью между ними.

У меня есть ядро ​​Гаусса алгоритм свертки, который работает хорошо, но я хотел бы попробовать что-то с подходом машинного обучения.

Имеете ли вы представление о другой архитектуре ANN? без стандартного полностью подключенного ANN (уже пробовал с хорошими результатами) Большое спасибо

Answer 1

поскольку вы хотите восстановить входное изображение с небольшими изменениями, Variational Autoencoder (VAE) является лучшей архитектурой. VAE работает так же, как автоэнкодер, но его узким местом является распределение вероятностей со средним и стандартным отклонением. Вы можете создавать новые изображения с небольшими изменениями из входного изображения, изменяя скрытое пространство (узкое место). Это изображение с архитектурой VAE:

Если у вас есть какие-либо сомнения, не стесняйтесь спрашивать.