利用 TensorFlow 实现卷积自编码器

做者：chen_h
微信号 & QQ：862251340
微信公众号：coderpai
简书地址：https://www.jianshu.com/p/250...

---

介绍和概念

自动编码器（Auto-encoders）是神经网络的一种形式，它的输入数据与输出数据是相同的。他们经过将输入数据压缩到一个潜在表示空间里面，而后再根据这个表示空间将数据进行重构获得最后的输出数据。

自编码器的一个很是受欢迎的使用场景是图像处理。其中使用到的小技巧是用卷积层来替换全链接层。这个转变方法是将一个很是宽的，很是瘦的（好比 100*100 的像素点，3 通道，RGB）图像转换成一个很是窄的，很是厚的图像。这种方法很是有助于帮助咱们从图像中提取出视觉特征，从而获得更准确的潜在表示空间。最后咱们的图像重构过程采用上采样和卷积。

这个自编码器就称之为卷积自编码器（Convolutional Autoencoder，CAE）

使用卷积自编码器

卷积自编码器能够用于图像的重构工做。例如，他们能够学习从图片中去除噪声，或者重构图片缺失的部分。

为了实现上述提到的效果，咱们通常不使用相同的输入数据和输出数据，取而代之的是，使用含有噪声的图片做为输入数据，而后输出数据是一个干净的图片。卷积自编码器就会经过学习，去去除图片中的噪声，或者去填补图片中的空缺部分。

接下来，让咱们来看一下 CAE 是如何来填充图中眼睛上的十字架。咱们假设图片的眼睛上面存在一个十字架黑影，咱们须要删除这个十字架噪声。首先，咱们须要来手动建立这个数据库，固然，这个动做很是方便。

如今咱们的卷积自编码器就能够开始训练了，咱们能够用它去除咱们从未见过的眼睛照片上面的十字线！

利用 TensorFlow 来实现这个卷积自编码器

看咱们利用 MNIST 数据集来看看这个网络是如何实现的，完整的代码能够在 Github 上面下载。

网络架构

卷积自编码器的编码部分将是一个典型的卷积过程。每个卷积层以后都会加上一个池化层，主要是为了减小数据的维度。解码器须要从一个很是窄的数据空间中重构出一个宽的图像。

通常状况下，你会看到咱们后面是采用反卷积层来增长咱们图像的宽度和高度。它们的工做原理和卷积层的工做原理几乎彻底同样，可是做用方向相反。好比，你有一个 33 的卷积核，那么在编码器中咱们是将该区域的图像编码成一个元素点，可是在解码器中，也就是反卷积中，咱们是把一个元素点解码成 33 个元素点。TensorFlow API 为咱们提供了这个功能，参考 tf.nn.conv2d_transpose

自动编码器只须要在噪声的图像上进行训练，就能够很是成功的进行图片去燥。好比，咱们能够在训练图片中添加入高斯噪声来建立包含噪声的图像，而后将这些像素值裁剪在 0 到 1 之间。咱们将噪声图像做为输入数据，最原始的感受图像做为输出数据，也就是咱们的目标值。

模型定义

learning_rate = 0.001
inputs_ = tf.placeholder(tf.float32, (None, 28, 28, 1), name='inputs')
targets_ = tf.placeholder(tf.float32, (None, 28, 28, 1), name='targets')
### Encoder
conv1 = tf.layers.conv2d(inputs=inputs_, filters=32, kernel_size=(3,3), padding='same', activation=tf.nn.relu)
# Now 28x28x32
maxpool1 = tf.layers.max_pooling2d(conv1, pool_size=(2,2), strides=(2,2), padding='same')
# Now 14x14x32
conv2 = tf.layers.conv2d(inputs=maxpool1, filters=32, kernel_size=(3,3), padding='same', activation=tf.nn.relu)
# Now 14x14x32
maxpool2 = tf.layers.max_pooling2d(conv2, pool_size=(2,2), strides=(2,2), padding='same')
# Now 7x7x32
conv3 = tf.layers.conv2d(inputs=maxpool2, filters=16, kernel_size=(3,3), padding='same', activation=tf.nn.relu)
# Now 7x7x16
encoded = tf.layers.max_pooling2d(conv3, pool_size=(2,2), strides=(2,2), padding='same')
# Now 4x4x16
### Decoder
upsample1 = tf.image.resize_images(encoded, size=(7,7), method=tf.image.ResizeMethod.NEAREST_NEIGHBOR)
# Now 7x7x16
conv4 = tf.layers.conv2d(inputs=upsample1, filters=16, kernel_size=(3,3), padding='same', activation=tf.nn.relu)
# Now 7x7x16
upsample2 = tf.image.resize_images(conv4, size=(14,14), method=tf.image.ResizeMethod.NEAREST_NEIGHBOR)
# Now 14x14x16
conv5 = tf.layers.conv2d(inputs=upsample2, filters=32, kernel_size=(3,3), padding='same', activation=tf.nn.relu)
# Now 14x14x32
upsample3 = tf.image.resize_images(conv5, size=(28,28), method=tf.image.ResizeMethod.NEAREST_NEIGHBOR)
# Now 28x28x32
conv6 = tf.layers.conv2d(inputs=upsample3, filters=32, kernel_size=(3,3), padding='same', activation=tf.nn.relu)
# Now 28x28x32
logits = tf.layers.conv2d(inputs=conv6, filters=1, kernel_size=(3,3), padding='same', activation=None)
#Now 28x28x1
# Pass logits through sigmoid to get reconstructed image
decoded = tf.nn.sigmoid(logits)
# Pass logits through sigmoid and calculate the cross-entropy loss
loss = tf.nn.sigmoid_cross_entropy_with_logits(labels=targets_, logits=logits)
# Get cost and define the optimizer
cost = tf.reduce_mean(loss)
opt = tf.train.AdamOptimizer(learning_rate).minimize(cost)

训练过程：

sess = tf.Session()
epochs = 100
batch_size = 200
# Set's how much noise we're adding to the MNIST images
noise_factor = 0.5
sess.run(tf.global_variables_initializer())
for e in range(epochs):
    for ii in range(mnist.train.num_examples//batch_size):
        batch = mnist.train.next_batch(batch_size)
        # Get images from the batch
        imgs = batch[0].reshape((-1, 28, 28, 1))
        
        # Add random noise to the input images
        noisy_imgs = imgs + noise_factor * np.random.randn(*imgs.shape)
        # Clip the images to be between 0 and 1
        noisy_imgs = np.clip(noisy_imgs, 0., 1.)
        
        # Noisy images as inputs, original images as targets
        batch_cost, _ = sess.run([cost, opt], feed_dict={inputs_: noisy_imgs,
                                                         targets_: imgs})
print("Epoch: {}/{}...".format(e+1, epochs),
              "Training loss: {:.4f}".format(batch_cost))

---

做者：chen_h
微信号 & QQ：862251340
简书地址：https://www.jianshu.com/p/250...

CoderPai 是一个专一于算法实战的平台，从基础的算法到人工智能算法都有设计。若是你对算法实战感兴趣，请快快关注咱们吧。加入AI实战微信群，AI实战QQ群，ACM算法微信群，ACM算法QQ群。长按或者扫描以下二维码，关注 “CoderPai” 微信号（coderpai）