Was ist ein Autoencoder und wie komprimiert er Daten?

Ich setze mein Studium der künstlichen Intelligenz an der „russischen Schule“ fort. Es ist eine harte, aber gute Schule. Ich habe 10 Minuten gebraucht, um die Aufgabe mit dem Autoencoder mit einer Fehlerquote von 6,7% zu lösen, aber es hat drei Tage Experimentieren gedauert, um die Fehlergröße auf 5% zu zähmen.

Die erste Aufgabe besteht darin, ein Netzwerk namens Encoder zu trainieren, damit es ein Bild eines menschlichen Gesichts so effizient wie möglich in eine Handvoll Zahlen kodiert (im Bild sind es 32 Zahlen). Dann trainiere ich ein zweites Netzwerk namens Decoder, um aus diesen wenigen Zahlen zu versuchen, das Bild wiederherzustellen. Es ist eigentlich eine clevere und verlustbehaftete Superkompression des Bildes.

32 Zahlen sind zur Beschreibung eines Bildes ziemlich wenig. Das Netzwerk muss sich nur auf das Wesentliche konzentrieren. Wie gefallen Ihnen die Ergebnisse?

Hier ist es ganz gut gelungen. Das aus nur 32 Zahlen rekonstruierte Gesicht sieht ähnlich aus und wirkt nur etwas verschwommen.

Ein etwas schlechteres Ergebnis ist wahrscheinlich auf die ungleichmäßige Verteilung des Datensatzes zurückzuführen. Das Netzwerk rekonstruiert die breitere Nase und die vollen, leicht geöffneten Lippen ungenau.

Eine insgesamt schöne Rekonstruktion. Ich habe das Gefühl, dass sie die scharfen Züge etwas gemildert hat.

Hier haben die Brillen ganz schön gelitten. Ihre Struktur ist für eine so starke Kompression zu komplex. Auch der Ausdruck der Lippen wurde als etwas Gewöhnlicher übersetzt.