验证集上的去噪自动编码器给出了糟糕的结果，甚至对于实例随机噪声的训练图像也是如此
Denoising-autoencoder on validation set give bad result and even for train image randomly noised at instance
我在 STL-10 数据集上训练了一个小型去噪自动编码器 ConvNet，train/test_noisy 数据的输出很干净。
但是，如果我拍摄验证图像并添加噪声并通过网络，它的输出中仍然会有一些噪声。
还有一个关键的观察结果是，当我拍摄任何火车集图像并在 运行 时间向其添加噪声并通过网络时，它作为验证集图像的输出性能也很差。
附上输出图片。
欢迎任何建议！
确保你的验证集有健康的数据分割；听起来它变得太死板了。至于架构，考虑使用 MaxPool2D 层来提取关键特征，然后使用 UpSampling2D 恢复它们。希望对您有所帮助！
我在 STL-10 数据集上训练了一个小型去噪自动编码器 ConvNet，train/test_noisy 数据的输出很干净。 但是，如果我拍摄验证图像并添加噪声并通过网络，它的输出中仍然会有一些噪声。
还有一个关键的观察结果是，当我拍摄任何火车集图像并在 运行 时间向其添加噪声并通过网络时，它作为验证集图像的输出性能也很差。
附上输出图片。
确保你的验证集有健康的数据分割；听起来它变得太死板了。至于架构，考虑使用 MaxPool2D 层来提取关键特征，然后使用 UpSampling2D 恢复它们。希望对您有所帮助！