我有5000张降级的图片（像素化，模糊，过多的光度...）及其干净版本，我想训练一个模型，以便它可以预测如何校正将来的图片。
我试图获取尽可能多的信息，我想我必须使用Tensorflow＆Keras来训练深度学习模型，并且我必须进行图像修复，更确切地说是去卷积方法，才能达到目标。预期结果。
但是，我完全不知道如何到达那里。我会使用PIL Image加载两张图片，然后将其转换为numpy数组，但随后我真的不知道下一步该怎么做。
我没有要显示的代码，但是我可以为您提供一些图片。非常感谢
最佳答案
基本上，我们正在尝试修复降级的图像。可以在AutoEncoders的帮助下执行此任务。
这个想法是我们可以将降级的图像传递给自动编码器。预期的（目标）输出将是图像的干净版本。给定降级后的图像，将训练自动编码器生成清晰的图像。
您可以包括许多卷积层，以实现更好的特征提取。
使用辍学层，进行正则化以避免过度拟合。另外，尝试Image Data Augmentation。
带有图像的自动编码器称为卷积自动编码器。这是一些入门的好博客，
Convolutional Autoencoders
AutoEncoders are Essential in Deep Neural Nets
Colorizing Black & White Faces with Auto-Encoders using TF
关于python - 使用干净和降级的照片训练深度学习模型，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59801837/