Работа с размытыми и блеклыми изображениями в TensorFlow 1.15.8 Обучение модели автоэнкодера ⇐ Python

[Anonymous]

Описание проблемы:
Я обучаю сверточный автокодировщик реконструкции изображений, но выходные данные модели размыты и малоконтрастны по сравнению с ожидаемыми результатами. Вот настройка:

Код: Выделить всё

Python Version: 3.7
TensorFlow Version: 1.15.8 (DirectML)
GPU: AMD Radeon RX 6700XT
Model Type: Convolutional Autoencoder

Несмотря на нормализацию и увеличение данных (поворот, регулировка яркости, переворот по горизонтали), модели с трудом удается генерировать высококачественные реконструкции. Похоже, проблема связана со сверточными слоями или функцией потерь.
Что я пробовал:

• Снижение скорости обучения.
• Нормализация набора данных до диапазона [0,1][0,1].
• Регулировка количества фильтров в кодере и декодере.
• Использование MSE в качестве функции потерь.

Вопросы:
1-) Может ли удвоение фильтров в слоях кодера/декодера помочь устранить размытость, как это делают критики GAN?
2-) Можно ли объединить потери MAE с MSE во время обучение, чтобы смягчить проблему десатурации?
3-) Существуют ли специальные архитектурные или обучающие изменения, позволяющие улучшить качество вывода и избежать размытых/блеклых результатов?
Изображения:
Входные, целевые (ожидаемые результаты) и прогнозируемые результаты прилагаются для сравнения.
Пример 1:


Пример 2:


Я был бы очень признателен за любые советы или идеи по эффективному решению этой проблемы. Заранее спасибо!

Подробнее здесь: https://stackoverflow.com/questions/792 ... del-traini