文件名称：Reconstruction-AutoEncoder:使用自动编码器进行伊朗字符重建
文件大小：2.01MB
文件格式：ZIP
更新时间：2024-04-02 20:16:37
JupyterNotebook
重构自动编码器 使用自动编码器进行伊朗字符重建 讨论 在这个项目中，我们使用自动编码器来完成重建任务，特别是为了改善车牌中的扭曲字符，以改善目标检测中的字符识别（YOLOV3）。自动编码器分为两个部分：1）编码器2）解码器，当输入图像为转发给编码部分，图像的大小由卷积层和最大池化层减小，压缩后的图像表示为潜矢量，相反，解码层具有反卷积和上采样层，直到图像的大小增大为止。输入和输出将相等。 数据集 在自动编码器的左侧，我和我的同事使用伊朗车牌数据集在不同情况（光照，角度，天气条件等）下裁剪了数据集，我们使用了失真的字符，但在另一侧（输出） ）我们使用了与失真字符相关的正确图像，因此自动编码器将通过使用MSE（均方根损失）来学习减少输入和输出图像之间的差异，结果，我们将尺寸为28 * 28的伊朗字符用作灰度图像，并将两个不同的noisy_data作为clean_data和noisy_data在
【文件预览】：
Reconstruction-AutoEncoder-master
----train_conv_autoencoder.py(3KB)
----__pycache__()
--------convautoencoder.cpython-36.pyc(2KB)
--------__init__.cpython-36.pyc(158B)
----run5600.model(2.14MB)
----result.png(36KB)
----pred-autoencoder.ipynb(114KB)
----convautoencoder.py(2KB)
----README.md(2KB)