En este artículo, aprenderá sobre los codificadores automáticos en el aprendizaje profundo. Demostraremos la implementación práctica del uso de codificadores automáticos con eliminación de ruido utilizando el conjunto de datos de dígitos escritos a mano MNIST como ejemplo. Además, compartimos la implementación de esta idea en Tensorflow.
1. ¿Qué es un codificador automático?
Un codificador automático es un algoritmo de aprendizaje automático no supervisado que toma una imagen como entrada y la reconstruye utilizando menos bits. Esto puede parecer una compresión de imágenes, pero la mayor diferencia entre los codificadores automáticos y los algoritmos de compresión de imágenes de uso general es que con los codificadores automáticos, la compresión se logra aprendiendo de un conjunto de datos de entrenamiento. Aunque se puede lograr una compresión razonable cuando las imágenes son similares al conjunto de entrenamiento utilizado, los codificadores automáticos son malos compresores de imágenes de uso general; la compresión JPEG será mucho mejor.
Los codificadores automáticos son de naturaleza similar a las técnicas de reducción de dimensionalidad, como el análisis de componentes principales. Crean un espacio que preserva partes esenciales de los datos y al mismo tiempo elimina partes no esenciales (o ruidosas).
Los codificadores automáticos tienen dos partes.