Вернуться к статье
Использование сверточных нейронных сетей для удаления шума и восстановления изображений в медицинской и телеметрической практике
Таблица 5 - Основные параметры сравниваемых нейросетевых моделей
Модель | Архитектура | Характеристики обучения |
DnCNN | 17 свёрточных слоёв (64 фильтра 3×3, Batch Normalization, ReLU); выход — остаточный шум | CIFAR-10 (40 тыс. обучающая выборка, 10 тыс. валидационная); Adam (lr = 1·10⁻³); 50 эпох |
U-Net | 4 блока кодировщика и 4 блока декодировщика; наличие skip-соединений; число фильтров: 32–64–128–256 | CIFAR-10 и реальные данные; Adam (lr = 1·10⁻⁴); 60 эпох |
Autoencoder (предложенный) | см. таблицу 3 | CIFAR-10 и реальные данные; Adam (lr = 1·10⁻³); 80 эпох |