10.11896/j.issn.1002-137X.2018.11.042
基于监督学习深度自编码器的图像重构
针对数字图像受损信息的重构问题,提出一种将经典无监督学习自编码器(Auto-Encoder,AE)用于监督学习的新方法,并对深度模型结构与训练策略进行了研究.通过设计多组监督学习单层AE模型,提出了逐组"递进学习"和"关联编码"的学习策略,构建了一个新的基于监督学习的深度AE模型结构;对于新模型结构,采用多对一(一个输入样本的多种形式对应一个输出)的训练方法代替经典AE中一对一(一个输入样本对应一个输出)的训练方法.将该模型的结构和训练策略用于部分数据受损或遮挡的图像中进行数据重构测试,提高了模型对受损数据特征编码的表达能力和重构能力.实验结果表明,提出的新方法对于受损及遮挡样本的图像具有良好的重构效果和适应性.
自编码器、监督学习、深度结构、训练策略、图像重构
45
TP391(计算技术、计算机技术)
国家自然科学基金:数据驱动的社会媒体信息传播演化关键技术研究61473444
2018-12-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
267-271,297