machine-learning - 如何通过对干净数据进行训练来生成无噪声数据?
问题描述
我正在处理一个我有两个图像数据集的问题。
一个是干净的图像数据集,另一个是相同的数据集,但其中混合了噪声。
1)是否可以在干净数据上训练模型(因此,它可以学习干净图像的特征)然后,当传递有噪声的图像时,它会输出没有噪声的图像数据(检测噪声,将其去除并输出干净的图像)图像数据)?
2) GAN 在这种情况下有用吗(如果是,如何?)?
解决方案
我会使用去噪 Autoencoder。您输入嘈杂的图像,并训练模型将它们与“干净的对应物”进行映射。
在这里你可以找到一些关于去噪自动编码器的信息。
您可以找到如何在TensorFlow 1.x和TensorFlow 2.0中实现自动编码器。
希望这会有所帮助,否则请告诉我。
推荐阅读
- mysql - 我可以在 WampServer 上连接另一个本地 MySQL 服务吗?
- javascript - 编辑字符串数组,只保留值的第一个字母
- php - php 的 session_reset 可以用来重新加载修改过的会话吗?
- matlab - 使用迭代查找方程的根
- python - 使用 QToolBar 和 QListView 进行面包屑导航
- java - 使用 JavaFX 在覆盆子 PI 上构建 Maven 失败
- sql - 将数组传递给 PostgreSQL PL/pgSQL 函数
- pdf - centos7上的Ghostscript无法将pdf转换为jpg
- java - 按照推荐添加了 spring-boot-configuration-processor,但在 RoundDispatcher 中产生了 NoClassDefFoundError
- python - 如何比较python中的2个排序数字列表,其中每个对应元素不必完全匹配?