matlab卷积神经网络图像去噪对抗样本修复.pdfVIP

matlab卷积神经⽹络图像去噪对抗样本修复 2.对应的对抗样本（加了⼲扰的图⽚）10000张（如何⽣成对抗样本可参照另⼀篇） 导⼊数据 imds =imageDatastore(DigitDataset,IncludeSubfolders,true,labelsource,foldernames);%读取原始图⽚ [imdsTrain,imdsValidation]=splitEachLabel(imds,0.9);%拆分出验证集 advs =imageDatastore(digit_adv0.15,IncludeSubfolders,true,labelsource,foldernames);%读取对抗样本 [advsTrain,advsValidation]=splitEachLabel(advs,0.9); 检查前⼗张图⽚是否对应 for i=1:10 figure(i); subplot(1,2,1);imshow(imread(imds.Files{i})); subplot(1,2,2);imshow(imread(advs.Files{i})); list1{i}=imds.Files{i}; list2{i}=advs.Files{i}; end 组合数据，形成输⼊输出 dsTrain =combine(advsTrain,imdsTrain);%合并为两列数据，第⼀列为对抗样本（输⼊），第⼆列为原始图 ⽚（输出） dsVal =combine(advsValidation,imdsValidation);%同上 dsTrain =transform(dsTrain,@commonPreprocessing);% 归⼀化到【0,1】,转为灰度图，缩放为[32,32]⼤⼩， commonPreprocessing定义在最后dsVal =transform(dsVal,@commonPreprocessing);%同上 dsTrain=shuffle(dsTrain);%打乱 dataOut =readall(dsTrain);%显⽰前8对数据 inputs =dataOut(:,1); responses =dataOut(:,2); minibatch =cat(2,inputs,responses); montage(minibatch,Size,[82]) title(Inputs (Left) and Responses (Right)) 设置训练参数 options =trainingOptions(adam,... MaxEpochs,30,... MiniBatchSize,32,... ValidationData,dsVal,... ValidationFrequency,300,... ValidationPatience,100,... Shuffle,never,... Plots,training-progress,... LearnRateSchedule,piecewise,... LearnRateDropPeriod,5,... LearnRateDropFactor,0.5,... Verbose,false); 打开深度学习app ，开始搭建⽹络，输⼊⼤⼩[32,32,1]，输出也是[32,32,1]，输⼊和输出每个像素都在 【0,1】范围内。⽹络包含转置卷积层、深度连接层，⽐较复杂 搭建好后可导出为lgraph ⽹络很长，可以⾃⼰修改 创建深度学习⽹络架构 该脚本可创建具有以下属性的深度学习⽹络: 层数:42 连接数:44 运⾏脚本以在⼯作区变量 lgraph 中创建层。 要了解详细信息，请参阅从 Deep Network Designer ⽣成 MATLAB 代码。 由 MATLAB 于2021-01-1120:52:38⾃动⽣成 由 MATLAB 于2021-01-1120:52:38⾃动⽣成 创建层次图 创建层次图变量以包含⽹络层。 lgraph =layerGraph(); 添加层分⽀ 将⽹络分⽀添加到层次图中。每个分⽀均为⼀个线性层组。 tempLayers =[ imageInputLayer([32321],Name,imageinput,Normalization,rescale-zero-one) convolution2dLayer([33],32,Name,conv_1_1,Padding,same) batchNormalizationLayer(Name,batchnorm_1) reluLayer(Name,relu