文章目录
1. 基本概念
Auto-encoder包含一个encoder和一个decoder,encoder将原始图片转化为一个低维度的vector,并且期望vector能够尽可能地保留输入图片的特征,这样decoder可以将Vector还原为原始图像,和输入图像越接近越好。
为什么vector可以还原为原始图像呢?假设原始图像为
3
×
3
3\times3
3×3大小,在有些情况下,输入图像可能只包含下图所示的两种类型,那么就可以用2维的向量表示原始图像。这样一来,就可以降低维度,减少运算量。
2. 应用
2.1 de-noising auto-encoder
de-noising auto-encoder为auto-encoder的一种用法,利用auto-encoder去除噪声。
2.2 feature disentangle
因为auto-encoder得到的向量具有原始输入信号的一些信息(图像的纹理、颜色;音频的内容、银色等),feature disentangle利用auto-encoder的向量中的这些信息提取出来,用于下游任务。
例如,如果想要做变声器,就可以将提取的向量中代表音色的维度替换,代表内容的维度保留。
2.3 discrete representation
discrete representation希望通过对vector进行一些限制,使得其可以解决特定的任务。例如生成的vector是one-hot向量,那么就可以使得其传递的信息是分类的结果。
2.4 text as representation
text as representation将原本的输入和输出从向量变成文字,encoder和decoder用seq2se1代替,通过这样的方式得到摘要。
但是由于机器生成的“摘要”不满足正常的文本(无法阅读),因此需要添加额外的discriminator来进行鉴别。生成的摘要要尽量骗过discriminator。
2.5 Tree as representation
2.6 generator
Auto-encoder的decoder部分可以用作generator
2.7 compression
Auto-encoder还可以用作压缩。
2.8 anomaly detection
auto-encoder还可以用作异常检测,如果输入和输出相差较大,则认为输入是异常的,是训练的时候没有见过的图片。