1

处理图像翻译问题。有很多对输入-输出图像，比如说草图作为输入，翻译草图作为输出。图像是黑白的，带有 1 像素宽度的草图线。

可以使用简单的编码器-解码器来学习图像翻译吗？

下面的代码片段来自https://blog.keras.io/building-autoencoders-in-keras.html，它显示了自动编码器的编程方式。显然，作为自动编码器，输入和输出都显示相同。

autoencoder.fit(x_train, x_train,
                epochs=50,
                batch_size=256,
                shuffle=True,
                validation_data=(x_test, x_test))

但是在这里，我可以给出“x_train，y_train”而不是“x_train，xtrain”作为前两个参数，其中 x_train 是输入图像，y_train 是输出图像？

理论上是正确的吗？以下优化器和成本函数会起作用吗？

autoencoder.compile(optimizer='adadelta', loss='binary_crossentropy')

通常 Pix2Pix 网络用于此类工作。但是 GAN 的主要原则是他们学习成本函数以获得良好的输出。

在我的问题中，成本函数是非常确定的，而不是到处都有一个像素。因此可以清楚地定义错误。

甚至在这里尝试 Pix2Pix 在理论上是否正确？

4

0 回答 0