Autoencoder 의 CNN-감소 또는 증가 필?

그것은 항상하지 않는 경우 필터 크기 감소 또는 증가와 함께의 증가에서 레이어 엔코더입니다. 에서 대부분의 예 encoder 본선 autoencoder 아키텍처를 높이와 폭이 감소를 통해 회선의 절편 또는 풀링,깊이의 계층이 증가(필터 크기가 증가되),보관 유사한 마지막 중 하나 또는 다양한 각각의 새로운 레이어에서 인코더입니다. 만 아니라 예를 출력 채널 또는 필터 크기 감소와 더 레이어입니다.

일반적으로 autoencoder 인코딩하는 입력으로 잠재적 표현/또는 벡터 포함하고 있는 더 낮은 차원의 보다 입을 최소화하는 재건에 오류가 있습니다. 그래서 위의 둘 다 사용할 수 있을 만들기 위한 undercomplete autoencoder 에 의해 다양한 커널 크기,레이어 추가,추가 계층의 끝에 인코더와 특정 차원 등입니다.

필터를 증가 예제

아래 이미지에 많은 층에서 추가 인코더 필터 크기도 증가합니다. 하지만으로 입력 28*28*1 = 784 차원이 특징하고 평평한 표현 3*3*128 = 1152 더 그래서 다른 레이어 추가되기 전에 최종 층을 포함층이다. 그것을 감소 기능을 차원으로 미리 정의된 수의 출력에서 완전히 연결된 네트워크입니다. 심지어 마지막 밀도가 완벽하게 연결되는 레이어에 의해 대체 될 수 있습 다양한 레이어의 수 또는 커널 크기를 출력 (1, 1, NUM_FILTERS).

필터를 줄일 예제

쉬운 예제의 필터를 감소에서 인코더로 레이어의 수를 증가에서 찾을 수 있습니다 keras 나선형 autoencoder 를 들어 단지 당신의 코드입니다.

import keras
from keras import layers

input_img = keras.Input(shape=(28, 28, 1))

x = layers.Conv2D(16, (3, 3), activation='relu', padding='same')(input_img)
x = layers.MaxPooling2D((2, 2), padding='same')(x)
x = layers.Conv2D(8, (3, 3), activation='relu', padding='same')(x)
x = layers.MaxPooling2D((2, 2), padding='same')(x)
x = layers.Conv2D(8, (3, 3), activation='relu', padding='same')(x)
encoded = layers.MaxPooling2D((2, 2), padding='same')(x)

References

• https://www.deeplearningbook.org/contents/autoencoders.html
• https://xifengguo.github.io/papers/ICONIP17-DCEC.pdf
• https://blog.keras.io/building-autoencoders-in-keras.html