DenseNet201 用于图像去噪

问题描述

我使用带有输出 (1,1,1920) 的预训练模型作为带有输入 (32,32,3) 的图像去噪网络的层。预训练模型是没有顶层的 DenseNet201，所以它实际上是为了分类。

我的问题是，如果可能的话，我该如何正确地利用 DenseNet201 层来达到这个目的？我的理解是，如果没有顶层，输出应该只是一个可用于任何事情的特征列表，我在几篇论文中看到 DensetNet201 用于类似的问题。但也许我错过了一些东西，因为我没有得到好的结果。

这是我的调用函数的代码

def call(self,inputs):
    x = keras.applications.DenseNet201(include_top=False,weights='imagenet',input_shape=(32,3))(inputs)
    x = layers.Conv2DTranspose(filters=3,strides=(32,32),kernel_size=(3,3))(x)
    x = layers.add([x,inputs])
    output = layers.Conv2D(filters = 3,3),padding='same')(x)
    return output

欢迎任何建议！

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）