Zapoznaj się z zawartością notatnika Jupyter umieszczonego w repozytorium i wykonaj zawarte w nim ćwiczenia.
Notatnik: autoencoder.ipynb
Katalog dane/document_denoising/ zawiera obrazy (skany) zawierające próbki tekstu wraz z różnorodnymi zniekształceniami.
Zadanie polega na zbudowaniu modelu usuwającego zniekształcenia z obrazów.
Dane treningowe zawarte w podkatalogu dane/document_denoising/train/ zawierają 144 obrazów o maksymalnym rozmiarze 420x540.
W katalogu dane/document_denoising/train_cleaned/ znajdują się odpowiadające im obrazy bez zniekształceń.
Zbuduj głęboki autoenkoder z warstwami splotowymi o jak najlepszej jakości usuwania zniekształceń i zastosuj go do usunięcia zniekształceń z czterech obrazów testowych znajdujących się w katalogu dane/document_denoising/test/.
Rozwiązanie w postaci notatnika Jupyter (.ipynb) lub skryptów w języku Python (.py) umieść w repozytorium GitHub.
- Building Autoencoders in Keras, The Keras Blog