卷积自编码去噪（基于PyTorch）
项目简介
本项目提供了一个基于PyTorch的卷积自编码器（Convolutional Autoencoder）实现，用于图像去噪。通过训练模型，可以有效地去除图像中的高斯噪声，提升图像的峰值信噪比（PSNR）。
主要功能
- 图像去噪：使用卷积自编码器对带有高斯噪声的图像进行去噪处理。
- 模型训练：支持在STL10数据集上进行模型训练，优化Adam算法以提高去噪效果。
- 性能评估：通过计算峰值信噪比（PSNR）来评估去噪效果，实验结果显示平均每张图片的PSNR提升了5.32dB。
使用方法
- 数据准备：下载STL10数据集，并将其放置在指定路径。
- 模型训练：运行训练脚本，开始训练卷积自编码器模型。
- 图像去噪：使用训练好的模型对带有噪声的图像进行去噪处理。
实验结果
通过实验验证，卷积自编码器在图像去噪任务中表现出色，平均每张图片的PSNR提升了5.32dB，展示了自编码器在图像去噪任务中的有效性。
依赖环境
- Python 3.x
- PyTorch
- NumPy
- Matplotlib
- Scikit-image
参考文献
贡献
欢迎对本项目进行改进和扩展，提交Pull Request或Issue。
许可证
本项目遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。