| 基于监督学习深度自编码器的图像重构 |
| |
| 引用本文： | 张赛,芮挺,任桐炜,杨成松,邹军华. 基于监督学习深度自编码器的图像重构[J]. 计算机科学, 2018, 45(11): 267-271, 297 |
| |
| 作者姓名： | 张赛 芮挺 任桐炜 杨成松 邹军华 |
| |
| 作者单位： | 陆军工程大学野战工程学院 南京210007,陆军工程大学野战工程学院 南京210007;南京大学计算机软件新技术国家重点实验室 南京210023,南京大学计算机软件新技术国家重点实验室 南京210023,陆军工程大学野战工程学院 南京210007,陆军工程大学野战工程学院 南京210007 |
| |
| 基金项目： | 本文受国家自然科学基金:数据驱动的社会媒体信息传播演化关键技术研究(61473444)资助 |
| |
| 摘 要： | 针对数字图像受损信息的重构问题,提出一种将经典无监督学习自编码器(Auto-Encoder,AE)用于监督学习的新方法,并对深度模型结构与训练策略进行了研究。通过设计多组监督学习单层AE模型,提出了逐组“递进学习”和“关联编码”的学习策略,构建了一个新的基于监督学习的深度AE模型结构；对于新模型结构,采用多对一(一个输入样本的多种形式对应一个输出)的训练方法代替经典AE中一对一(一个输入样本对应一个输出)的训练方法。将该模型的结构和训练策略用于部分数据受损或遮挡的图像中进行数据重构测试,提高了模型对受损数据特征编码的表达能力和重构能力。实验结果表明,提出的新方法对于受损及遮挡样本的图像具有良好的重构效果和适应性。
|
| 关 键 词： | 自编码器 监督学习 深度结构 训练策略 图像重构 |
| 收稿时间： | 2017-10-11 |
| 修稿时间： | 2017-12-27 |
Image Reconstruction Based on Supervised Learning Deep Auto-encoder |
| |
| ZHANG Sai,RUI Ting,REN Tong-wei,YANG Cheng-song and ZOU Jun-hua. Image Reconstruction Based on Supervised Learning Deep Auto-encoder[J]. Computer Science, 2018, 45(11): 267-271, 297 |
| |
| Authors: | ZHANG Sai RUI Ting REN Tong-wei YANG Cheng-song ZOU Jun-hua |
| |
| Affiliation: | Department of Filed Engineering,PLA Army Engineering University,Nanjing 210007,China,Department of Filed Engineering,PLA Army Engineering University,Nanjing 210007,China;State Key Laboratory for Novel Software Technology,Nanjing University,Nanjing 210023,China,State Key Laboratory for Novel Software Technology,Nanjing University,Nanjing 210023,China,Department of Filed Engineering,PLA Army Engineering University,Nanjing 210007,China and Department of Filed Engineering,PLA Army Engineering University,Nanjing 210007,China |
| |
| Abstract: | |
| |
| Keywords: | Auto-encoder Supervised learning Deep structure Training strategy Image reconstruction |
|
| 点击此处可从《计算机科学》浏览原始摘要信息 |
|
点击此处可从《计算机科学》下载全文 |
|
