پروژه طراحی auto encoder با لایه های کانولوشنی برای باز تولید عکس سیاه سفید با پایتون

ابتدا یک سیستم رو تو فضای گوگل کلب با عکس های ورودی سیاه سفید ترین نموده ایم بعد همینطور یک سری عکس ها به مشابه اون عکس ها برای تست هم ترین کرده ایم.

سپس به اتو انکودر یک سری عکس سیاه سفید که در بالا ترین شده می دهیم و این اتو انکودر اینها رو از طریق لایه های کانوولوشنی می شکند به لایه های زیرین و بعد انهار را دوباره از همون تعدا لایه بازیافت کنه به این صورت که عکس خروجی بیش از 95 درصد شباهت با عکس ورودی داشته باشه.( تعداد لایه حد اقل سه لایه می باشد.)

میخوام برای پیدا کردن شباهت بین این دو هم از الگوریتم SIFT استفاده بشه. یعنی بعد از اجرای برنامه یک عکس از عکس های ترین شده ورودی با عکس خروجی از اتوانکدر توسط SIFT مقایسه بشه تا به ما نشون بده که مثلا 95 درصد شبیه هم هستن.

ابتدا تمام تصاویر مورد نظر که همه باید به صورت تصویر ارسالی دارای سطح خاکستری باشند درون پوشه های مربوط به train و test کپی شوند و فقط برای بار اول doTrain و readImages برابر True شده سپس برنامه اجرا شود که این فرایند بسته به قدرت سیستم شما می تواند کمی طولانی باشد. برای اجراهای بعدی این دو پارامتر برای صرفه جویی درزمان باید False شود. این شبکه با دو تصویر ارسالی آموزش دید و خروجی ها در زیر آورده شده است. با توجه به کم بودن تعداد تصاویر آموزش شبکه باید با تصاویر جدید مجددا اجرا شود. پارامترهای برنامه به این صورت می باشد :

در زبان پایتون نسخه های خود پایتون و همچنین تمام کتابخانه های مورد استفاده برای اجرا مهم است در زیر نسخه های کتابخانه ها عنوان شده است:

keras 2.3.1

matplotlib 3.3.4

numpy 1.19.2

opencv-python 3.4.2.16

opencv-contrib-python 3.4.2.