对图像压缩自编码器的理解

本文是本人对Lucas Theis,Wenzhe Shi, （Twitter  London, UK ）等人2017年发表的文章“LOSSY IMAGE COMPRESSION WITH COMPRESSIVE AUTOENCODERS” （有损图像压缩自编码器）的自我理解，，本人在看文章之前对神经网络只存在听过的阶段，对图像压缩有一定的了解，下边内容是自己的理解，，很浅显，也可能有错误的地方，希望相关人士能给予建议和帮助。

……………………………………………………………………………………………………………………………………

文章在其他文献的基础上，提出了一种基于传统卷积神经网络结构的有损图像自编码器（CAE），且对量化，熵率估计模块，以及神经网络训练模块做了相应的改进（增量训练策略），文章的目标是直接优化由自编码器产生的失真率权衡（用于神经网路的训练） ，且可实现高分辨率的图像在低分辨率的终端上显示，且图像压缩结果在SSIM,MOS分数等角度上可以和JPEG2000的结果媲美。具体模型如图：

CAE有三个部分组成：编码器f、