您认为解码器编码器 FCN 可以替代内核卷积算法吗？答案

【问题标题】：Do you think that a decoder encoder FCN can substitute a kernels convolution algorithm?您认为解码器编码器 FCN 可以替代内核卷积算法吗？
【发布时间】：2023-04-08 00:07:02
【问题描述】：

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。

我有运行良好的高斯核卷积算法，但我想尝试使用机器学习方法。

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

【问题讨论】：

嘿卢卡斯，你能发布你的架构吗？您是在处理分割问题，还是想通过一些小改动来重建图像？
嗨 Filipe，我尝试了具有 11 个特征（矩阵中的位置、像素强度和 8 连接邻居的强度）和一个隐藏层的 FC ANN。这不是分割问题。是的，我想通过一些小的变化来重建我的图像作为模糊效果。
嗯，要重建具有微小变化的图像，最好使用变分自动编码器 (VAE)。我会做一个答案来解释它是如何工作的。

标签： machine-learning conv-neural-network convolution autoencoder image-preprocessing

【解决方案1】：

由于您希望通过微小的变化重建输入图像，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。

【讨论】：

好的，我将阅读并尝试这个架构，非常感谢 Filipe