1

我正在尝试在 Keras 中实现这篇论文：https : //arxiv.org/pdf/1603.09056.pdf，它使用带有跳过连接的 Conv-Deconv 来创建图像去噪网络。如果我在相应的 Conv-Deconv 层之间建立对称跳过连接，我的网络运行良好，但如果我在输入和输出之间添加连接（如论文中所示），我的网络就无法训练。是我看不懂论文吗？

“但是，我们的网络从输入中学习附加损坏，因为网络的输入和输出之间存在跳跃连接”

这是论文中描述的网络：

在此处输入图像描述

这是我的网络：

input_img = Input(shape=(None,None,3))

############################
####### CONVOLUTIONS #######
############################

c1 = Convolution2D(64, (3, 3))(input_img)
a1 = Activation('relu')(c1)

c2 = Convolution2D(64, (3, 3))(a1)
a2 = Activation('relu')(c2)

c3 = Convolution2D(64, (3, 3))(a2)
a3 = Activation('relu')(c3)

c4 = Convolution2D(64, (3, 3))(a3)
a4 = Activation('relu')(c4)

c5 = Convolution2D(64, (3, 3))(a4)
a5 = Activation('relu')(c5)

############################
###### DECONVOLUTIONS ######
############################

d1 = Conv2DTranspose(64, (3, 3))(a5)
a6 = Activation('relu')(d1)

m1 = add([a4, a6])
a7 = Activation('relu')(m1)

d2 = Conv2DTranspose(64, (3, 3))(a7)
a8 = Activation('relu')(d2)

m2 = add([a3, a8])
a9 = Activation('relu')(m2)

d3 = Conv2DTranspose(64, (3, 3))(a9)
a10 = Activation('relu')(d3)

m3 = add([a2, a10])
a11 = Activation('relu')(m3)

d4 = Conv2DTranspose(64, (3, 3))(a11)
a12 = Activation('relu')(d4) 

m4 = add([a1, a12])
a13 = Activation('relu')(m4)

d5 = Conv2DTranspose(3, (3, 3))(a13)
a14 = Activation('relu')(d5)

m5 = add([input_img, a14]) # Everything goes well without this line
out = Activation('relu')(m5)

model = Model(input_img, out) 
model.compile(optimizer='adam', loss='mse')

如果我训练它，这就是我得到的：

Epoch 1/10
31250/31257 [============================>.] - ETA: 0s - loss: 0.0015
Current PSNR: 28.1152534485

31257/31257 [==============================] - 89s - loss: 0.0015 - val_loss: 0.0015
Epoch 2/10
31250/31257 [============================>.] - ETA: 0s - loss: 0.0015
Current PSNR: 28.1152534485

31257/31257 [==============================] - 89s - loss: 0.0015 -  val_loss: 0.0015
Epoch 3/10
31250/31257 [============================>.] - ETA: 0s - loss: 0.0015
Current PSNR: 28.1152534485

31257/31257 [==============================] - 89s - loss: 0.0015 -   val_loss: 0.0015
Epoch 4/10
31250/31257 [============================>.] - ETA: 0s - loss: 0.0015
Current PSNR: 28.1152534485

31257/31257 [==============================] - 89s - loss: 0.0015 - val_loss: 0.0015
Epoch 5/10
31250/31257 [============================>.] - ETA: 0s - loss: 0.0015
Current PSNR: 28.1152534485

我的网络有什么问题？

4

1 回答 1

0

激活'relu' 永远不会返回负值。

由于您将输入添加到输出a14（（您想使亮点变暗并变亮暗点）。 a14

因此，a14无法激活'relu'。它必须是正面和负面的，并且能够达到噪音的范围。可能是一个'tanh'或自定义激活。如果您的输入从 0 变为 1，则 a'tanh'可能是最佳选择。

（不确定前面的层，也许其中一些使用'tanh' 会使过程更容易）

有时候那些长长的卷积网络确实会卡住，我在这里训练一个 U-net，花了一段时间才让它收敛。当它被卡住时，有时最好再次构建模型（新的权重初始化）并重试。

在此处查看详细信息：如何使用 Keras 构建多类卷积神经网络

于 2017-08-31T16:19:09.010 回答