带有迁移学习的自动编码器？
Autoencoder with Transfer Learning?
有没有一种方法可以使用像 ResNet 这样的预训练模型来训练自动编码器模型？
我正在尝试训练一个自动编码器模型，输入为图像，输出为该图像的蒙版。
这里可以使用预训练模型的权重吗？
据我所知，没有经过验证的方法可以做到这一点。我会从头开始训练自动编码器。
理论上，如果您找到不使用最大池化的预训练 CNN，您可以在自动编码器的编码器阶段使用这些权重和架构。您还可以从预训练模型中提取特征，然后 concatenate/merge 将它们输入到您的自动编码器中。但附加值尚不明确，架构可能变得过于复杂。
是的！您绝对可以使用预训练网络（即 ResNet50 作为自动编码器中的编码器）进行迁移学习。作为参考，请查看以下 link。 https://github.com/hsinyilin19/ResNetVAE
有没有一种方法可以使用像 ResNet 这样的预训练模型来训练自动编码器模型？
我正在尝试训练一个自动编码器模型，输入为图像，输出为该图像的蒙版。
这里可以使用预训练模型的权重吗？
据我所知，没有经过验证的方法可以做到这一点。我会从头开始训练自动编码器。
理论上，如果您找到不使用最大池化的预训练 CNN，您可以在自动编码器的编码器阶段使用这些权重和架构。您还可以从预训练模型中提取特征，然后 concatenate/merge 将它们输入到您的自动编码器中。但附加值尚不明确，架构可能变得过于复杂。
是的！您绝对可以使用预训练网络（即 ResNet50 作为自动编码器中的编码器）进行迁移学习。作为参考，请查看以下 link。 https://github.com/hsinyilin19/ResNetVAE