实验失败：利用MAE做生成对抗式超分实验失败记录

一、想法构思

        当时，看到MAE论文的时候，我就想能不能用MAE+生成对抗网络实现图像的超分？！所以有了这个实验。

        下面先介绍MAE干了什么。MAE做的是图像分类的任务(但不只用于图像分类，对其他下游任务都具有很好的泛化性，这篇论文只是以图像分类任务为例子)，MAE有两个过程，一个是预训练的过程，一个是细化微调的过程：

• 预训练：将一幅输入图像进行随机掩码，接着将未掩码的图像块进行编码(encoder)，将encoder的输出结果与之前掩码的图像块进行拼接(拼接的位置要与原输入图像的各个图像块位置相同)，最后将拼接的结果输入decoder，decoder输出相同的维度，进行原图像的重建。如下图所示：

  

  

• 细化微调：将预训练好的encoder进行保留，去掉预训练的decoder，设计一个新的decoder用于做图像分类，然后接着去训练，最后实现图像分类。

        看到这可能会有人疑惑，那为什么要做预训练进行图像的重构呢？不直接进行图像分类任务呢？简单地说，对与一幅掩码75%的图像，预训练网络能大致的还原出原图像，说明了这个网络很好的学习到了这幅图像的语义信息，比如，把一幅狗的图像掩盖75%，网络能大致还原狗的轮廓，说明这个网络学习到了这个“狗”这个含义，那么再去利用这个网络做图像分类，它就能很好的分类"狗"这个类别，对于其他类别也是一样的效果。

        未完待续！有时间会不时慢慢更新，不断编辑，一步步放出代码！可能有点长！