深度学习项目示例|深度学习项目示例使用自编码器进行模糊图像修复深度学习项目示例使用自编码

图像模糊是由相机或拍摄对象移动、对焦不准确或使用光圈配置不当导致的图像不清晰。为了获得更清晰的照片，我们可以使用相机镜头的首选焦点重新拍摄同一张照片，或者使用深度学习知识重现模糊的图像。由于我的专长不是摄影，只能选择使用深度学习技术对图像进行去模糊处理！
在开始这个项目之前，本文假定读者应该了解深度学习的基本概念，例如神经网络、CNN。还要稍微熟悉一下 Keras、Tensorflow 和 OpenCV。
有各种类型的模糊——运动模糊、高斯模糊、平均模糊等。但我们将专注于高斯模糊图像。在这种模糊类型中，像素权重是不相等的。模糊在中心处较高，在边缘处按照钟形曲线减少。

文章图片

数据集在开始使用代码之前，首先需要的是一个由 2 组图像组成的数据集——模糊图像和干净图像。目前可能没有现成的数据集可以使用，但是就像我们上面所说的，如果你有opencv的基础这个对于我们来说是非常个简单的，只要我们有原始图像，使用opencv就可以自己生成训练需要的数据集。
这里我的数据集大小约为 50 张图像（50 张干净图像和 50 张模糊图像），因为只是演示目的所以只选择了少量图像。
编写代码已经准备好数据集，可以开始编写代码了。
依赖项

import numpy as np import pandas as pd import matplotlib.pyplot as plt%matplotlib inline import random import cv2 import os import tensorflow as tf from tqdm import tqdm

这里导入了 tqdm 库来帮助我创建进度条，这样可以知道运行代码需要多长时间。
导入数据

good_frames = '/content/drive/MyDrive/mini_clean' bad_frames = '/content/drive/MyDrive/mini_blur'

现在创建了2 个列表。我们将使用 keras 预处理库读取“.jpg”、“jpeg”或“.png”类型的图像，并转换为数组。这里图像尺寸为 128x128。

clean_frames = [] for file in tqdm(sorted(os.listdir(good_frames))): if any(extension in file for extension in ['.jpg', 'jpeg', '.png']): image = tf.keras.preprocessing.image.load_img(good_frames + '/' + file, target_size=(128,128)) image = tf.keras.preprocessing.image.img_to_array(image).astype('float32') / 255 clean_frames.append(image)clean_frames = np.array(clean_frames)blurry_frames = [] for file in tqdm(sorted(os.listdir(bad_frames))): if any(extension in file for extension in ['.jpg', 'jpeg', '.png']): image = tf.keras.preprocessing.image.load_img(bad_frames + '/' + file, target_size=(128,128)) image = tf.keras.preprocessing.image.img_to_array(image).astype('float32') / 255 blurry_frames.append(image)blurry_frames = np.array(blurry_frames)

导入模型库

from keras.layers import Dense, Input from keras.layers import Conv2D, Flatten from keras.layers import Reshape, Conv2DTranspose from keras.models import Model from keras.callbacks import ReduceLROnPlateau, ModelCheckpoint from keras.utils.vis_utils import plot_model from keras import backend as Krandom.seed = 21 np.random.seed = seed

将数据集拆分为训练集和测试集
现在我们按 80:20 的比例将数据集分成训练和测试集。

x = clean_frames; y = blurry_frames; from sklearn.model_selection import train_test_split x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=42)

检查训练和测试数据集的形状

print(x_train[0].shape) print(y_train[0].shape)

文章图片

r = random.randint(0, len(clean_frames)-1) print(r) fig = plt.figure() fig.subplots_adjust(hspace=0.1, wspace=0.2) ax = fig.add_subplot(1, 2, 1) ax.imshow(clean_frames[r]) ax = fig.add_subplot(1, 2, 2) ax.imshow(blurry_frames[r])

上面的代码可以查看来自训练和测试数据集的图像，例如：

文章图片

下面初始化一些编写模型时需要用到的参数

# Network Parameters input_shape = (128, 128, 3) batch_size = 32 kernel_size = 3 latent_dim = 256# Encoder/Decoder number of CNN layers and filters per layer layer_filters = [64, 128, 256]

编码器模型
自编码器的结构我们以前的文章中已经详细介绍过多次了，这里就不详细说明了

inputs = Input(shape = input_shape, name = 'encoder_input') x = inputs

首先就是输入（图片的数组），获取输入后构建一个 Conv2D(64) - Conv2D(128) - Conv2D(256) 的简单的编码器，编码器将图片压缩为 (16, 16, 256) ，该数组将会是解码器的输入。

for filters in layer_filters: x = Conv2D(filters=filters, kernel_size=kernel_size, strides=2, activation='relu', padding='same')(x) shape = K.int_shape(x) x = Flatten()(x) latent = Dense(latent_dim, name='latent_vector')(x)

这里的 K.int_shape()将张量转换为整数元组。
实例化编码器模型，如下

encoder = Model(inputs, latent, name='encoder') encoder.summary()

文章图片

解码器模型
【深度学习项目示例|深度学习项目示例使用自编码器进行模糊图像修复】解码器模型类似于编码器模型，但它进行相反的计算。解码器以将输入解码回 (128, 128, 3)。所以这里的将使用 Conv2DTranspose(256) - Conv2DTranspose(128) - Conv2DTranspose(64)。

latent_inputs = Input(shape=(latent_dim,), name='decoder_input') x = Dense(shape[1]*shape[2]*shape[3])(latent_inputs) x = Reshape((shape[1], shape[2], shape[3]))(x)for filters in layer_filters[::-1]: x = Conv2DTranspose(filters=filters, kernel_size=kernel_size, strides=2, activation='relu', padding='same')(x)outputs = Conv2DTranspose(filters=3, kernel_size=kernel_size, activation='sigmoid', padding='same', name='decoder_output')(x)

解码器如下：

decoder = Model(latent_inputs, outputs, name='decoder') decoder.summary()

文章图片

整合成自编码器
自编码器 = 编码器 + 解码器

autoencoder = Model(inputs, decoder(encoder(inputs)), name='autoencoder') autoencoder.summary()

文章图片

最后但是非常重要的是在训练我们的模型之前需要设置超参数。

autoencoder.compile(loss='mse', optimizer='adam',metrics=["acc"])

我选择损失函数为均方误差，优化器为adam，评估指标为准确率。然后还需要定义学习率调整的计划，这样可以在指标没有改进的情况下降低学习率，

lr_reducer = ReduceLROnPlateau(factor=np.sqrt(0.1), cooldown=0, patience=5, verbose=1, min_lr=0.5e-6)

学习率的调整需要在训练的每个轮次都调用，

callbacks = [lr_reducer]

训练模型

history = autoencoder.fit(blurry_frames, clean_frames, validation_data=https://www.it610.com/article/(blurry_frames, clean_frames), epochs=100, batch_size=batch_size, callbacks=callbacks)

运行此代码后，可能需要大约 5-6 分钟甚至更长时间才能看到最终输出，因为我们设置了训练轮次为100，

文章图片

最后结果现在已经成功训练了模型，让我们看看我们的模型的预测，

print("\nInputGround TruthPredicted Value")for i in range(3):r = random.randint(0, len(clean_frames)-1)x, y = blurry_frames[r],clean_frames[r] x_inp=x.reshape(1,128,128,3) result = autoencoder.predict(x_inp) result = result.reshape(128,128,3)fig = plt.figure(figsize=(12,10)) fig.subplots_adjust(hspace=0.1, wspace=0.2)ax = fig.add_subplot(1, 3, 1) ax.imshow(x)ax = fig.add_subplot(1, 3, 2) ax.imshow(y)ax = fig.add_subplot(1, 3, 3) plt.imshow(result)

文章图片

可以看到该模型在去模糊图像方面做得很好，并且几乎能够获得原始图像。因为我们只用了3层的卷积架构，所以如果我们使用更深的模型，还有一些超参数的调整应该会获得更好的结果。
为了查看训练的情况，可以绘制损失函数和准确率的图表，可以通过这些数据做出更好的决策。
损失的变化

plt.figure(figsize=(12,8)) plt.plot(history.history['loss']) plt.plot(history.history['val_loss']) plt.legend(['Train', 'Test']) plt.xlabel('Epoch') plt.ylabel('Loss') plt.xticks(np.arange(0, 101, 25)) plt.show()

文章图片

可以看到损失显着减少，然后从第 80 个 epoch 开始停滞不前。
准确率

plt.figure(figsize=(12,8)) plt.plot(history.history['acc']) plt.plot(history.history['val_acc']) plt.legend(['Train', 'Test']) plt.xlabel('Epoch') plt.ylabel('Accuracy') plt.xticks(np.arange(0, 101, 25)) plt.show()

文章图片

这里可以看到准确率显着提高，如果训练更多轮，它可能会进一步提高。因此，可以尝试增加 epoch 大小并检查准确率是否确实提高了，或者增加早停机制，让训练自动停止
总结我们取得了不错的准确率，为 78.07%。对于实际的应用本文只是开始,例如更好的网络架构,更多的数据,和超参数的调整等等,如果你有什么改进的想法也欢迎留言
https://www.overfit.cn/post/d9b6d1a979a444f39c34edc47c647be6
作者:Chandana Kuntala