CAE卷积自编码器实战：从零构建图像降噪模型

1次阅读

没有评论

共计 1586 个字符，预计需要花费 4 分钟才能阅读完成。

在图像处理中，高斯滤波、中值滤波等传统方法就像用同一把梳子给所有人梳头——简单粗暴但效果有限。它们会无差别模糊整张图片，导致边缘细节丢失（比如下图右侧树叶纹理完全糊掉）。而 CAE 的智能之处在于：

像人类一样学习图像本质特征
自动区分噪声与真实内容
对不同类型的噪声自适应处理

普通自编码器（AE）就像用全连接网络搭建的‘传送带’：

输入图像被展平成一维向量（破坏空间结构）
中间层像压缩包一样存储信息
输出层试图还原原始尺寸

而 CAE 引入了两大神器：

卷积层：像放大镜一样逐区域扫描，保留局部特征（如边缘、纹理）
池化层：逐步抽象高层语义（类似人眼从像素→边缘→物体部分的认知过程）

import torch
import torch.nn as nn
import torchvision.transforms as transforms
from torchvision.datasets import CIFAR10

class Encoder(nn.Module):
    def __init__(self):
        super().__init__()
        # 卷积核 size= 3 能捕捉 8 邻域特征，stride= 2 实现下采样
        self.conv1 = nn.Conv2d(3, 32, kernel_size=3, stride=2, padding=1)  # 32x16x16
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3, stride=2, padding=1) # 64x8x8

    def forward(self, x):
        x = torch.relu(self.conv1(x))
        x = torch.relu(self.conv2(x))
        return x

class Decoder(nn.Module):
    def __init__(self):
        super().__init__()
        # 转置卷积实现上采样
        self.t_conv1 = nn.ConvTranspose2d(64, 32, kernel_size=3, stride=2, padding=1, output_padding=1)
        self.t_conv2 = nn.ConvTranspose2d(32, 3, kernel_size=3, stride=2, padding=1, output_padding=1)

    def forward(self, x):
        x = torch.relu(self.t_conv1(x))
        x = torch.sigmoid(self.t_conv2(x))  # 输出压缩到 0 - 1 范围
        return x

当只有少量数据时：

对输入图片随机旋转 5 度（防止模型死记硬背）
添加随机亮度扰动（模拟真实噪声场景）
使用 cutout 随机遮挡（增强鲁棒性）

transform = transforms.Compose([transforms.RandomRotation(5),
    transforms.ColorJitter(brightness=0.1),
    transforms.ToTensor(),])

把 batch_size 从 32 降到 16
使用梯度累积：每 4 个 batch 更新一次参数

尝试混合精度训练

scaler = torch.cuda.amp.GradScaler()
with torch.cuda.amp.autocast():
    output = model(input)
    loss = criterion(output, target)
scaler.scale(loss).backward()