通过进化搜索挖掘标准卷积自编码器在图像复原中的潜力
神经与进化计算
2018-03-02 v1
摘要
研究者已将深度神经网络应用于图像复原任务，并提出了各种网络架构、损失函数和训练方法。特别是近期研究中采用的对抗训练似乎是成功的关键要素。本文中，我们表明仅基于标准网络组件（即卷积层和跳跃连接）构建的简单卷积自编码器（CAE）可以胜过采用对抗训练和复杂损失函数的前沿方法。秘诀在于采用进化算法自动搜索优良架构。通过ADAM优化器最小化重建图像与其真值间的ℓ_2损失来训练优化后的CAE便是我们所需要的一切。我们的实验结果表明，该方法在CelebA数据集上达到27.8 dB峰值信噪比（PSNR），在SVHN数据集上达到40.4 dB，而此前前沿方法分别仅为22.8 dB和33.0 dB。
引用
@article{arxiv.1803.00370,
title = {Exploiting the Potential of Standard Convolutional Autoencoders for Image Restoration by Evolutionary Search},
author = {Masanori Suganuma and Mete Ozay and Takayuki Okatani},
journal= {arXiv preprint arXiv:1803.00370},
year = {2018}
}
备注
Our code is available at https://github.com/sg-nm/Evolutionary-Autoencoders