machine-learning - 您认为解码器编码器 FCN 可以替代内核卷积算法吗？

Question

我想尝试将自动编码器全连接卷积神经网络实现为 Unet，以将图像转换为另一个图像之间存在未知非线性关系的图像。

我有高斯核卷积算法，效果很好，但我想尝试一些机器学习方法。

您对其他 ANN 架构有任何想法吗？没有标准的全连接 ANN（已经尝试过，效果很好）非常感谢

Answer 1

由于您希望通过微小的变化来重建输入图像，因此变分自动编码器 (VAE) 是一种更好的架构。VAE 就像自动编码器一样工作，但它的瓶颈是具有均值和标准差的概率分布。您可以从改变潜在空间（瓶颈）的输入图像中创建具有微小变化的新图像。这是具有 VAE 架构的图像：

如果您有任何疑问，请随时提问。