AI人工智能,技术编程|一维自编码深度学习去噪效果如何？我用实验告诉你
不举不知物重 ， 不试不知水深
文章图片
文章图片
某天一位老师提出 ， 地震剖面就是由N条地震道曲线构成 。只要把每个地震道的噪声去掉 ， 是不是效果同样好呢？这个问题实际上就是一维地震信号去噪 。
其实前面研究了很多二维深度学习降噪 ， 效果都非常不错 。下面先来看看二维深度学习降噪的效果 。
01 二维深度学习降噪的效果有多好？
使用自编码做有监督学习降噪 ， 使用卷积神经网络 ， 最好效果的PSNR达到22.94 。
【AI人工智能,技术编程|一维自编码深度学习去噪效果如何？我用实验告诉你】原图 ， 加噪声图片和去噪图片的效果是这样的：
文章图片
文章图片 
文章图片
文章图片 
文章图片
文章图片
从上面图片来看 ， 去噪后的效果图与原图的差距非常小 ， 而且还提升了层位的分辨率 。
02 一维全连接神经网络去噪
现在来谈谈一维深度学习去噪怎么做 。
既然是一维信号 ， 并没有那么多复杂的特征信息 ， 我想全连接网络足够学习了吧 。
设计的网络结构是这样的：
文章图片
文章图片
就是使用了6个全连接网络进行深度自编码学习 ， 前面3层是编码压缩信号 ， 后3层是解码还原信号 。
训练数据还是前文的数据集：见《自编码降噪效果到底怎么样？我用对比实验告诉你》 。不同的是要将28*28的二维数据 ， 转换为784*1的一维数据 。
怎样把二维数据转换为一维数据？
比如有个数据noisy_imgs为(441,28,28) ， 即是441个28*28的图块 。那使用这个代码
noisy_imgs = noisy_imgs.reshape((len(noisy_imgs), np.prod(noisy_imgs.shape[1:])))
这样二维信号就变为了（441,784） ， 成了441个781*1的一维信号 。
经过100次迭代学习 ， 选取其中效果最好的网络进行去噪的实验 。
最好的PSNR是17.47 。
文章图片
文章图片
看来这个效果与二维深度学习的差距还是比较大的 。
当然 ， 有一个优势就是训练时间相对比较短 。一维全连接迭代100个周期的时间是29.71分钟 ， 二维卷积神经网络迭代50个周期的时间是66.67分钟 。
03 一维卷积神经网络去噪
全连接学习信号的特征的能力差于卷积神经网络 。如果我改成一维卷积神经网络来去噪 ， 效果又如何呢？
设计网络是这样的：
文章图片
文章图片
基本上就是把二维的深度自编码改为一维的深度自编码 。其它的算法和一维全连接神经网络学习差不多 。
最后的效果如何呢？
比如使用卷积核为32 ， 训练50个迭代 ， 花了58.62分钟和二维卷积神经网络差不了多少 。最好PSNR为18.65
推荐阅读
![[人民前线]侦察兵里当尖兵！，00后上等兵](https://imgcdn.toutiaoyule.com/20200502/20200502161114462652a_t.jpeg)
- 新科技嗅|人工智能可以应用在哪些方面
- 行业互联网|华为 | 车载以太网物理层及TSN发展现状 与技术趋势
- 技术编程|什么是Plesk虚拟主机控制面板？
- 电池技术|法国发明出世界最快的电极：可将锂电池的密度提高3倍
- 技术编程|人工智能在大视频运维中如何实现CDN硬盘故障预测？
- 电池技术|关于惠州赣锋建设高端聚合物锂电池研发及生产基地建设，赣锋锂业要干大事
- |加速冲刺世界级技术领先地位，大族机器人获1.65亿元A轮融资
- 新加坡|新加坡大学生人工智能创新大赛开幕式举行 星环科技提供建模平台
- 解码器|苹果 ProRes 视频编解码器获 2020 技术工程艾美奖
- 数据|徐叶润：另类数据技术是驱动资管科技的核心