Antara Denoising dan Autoencoder

Memang judul denoising adalah judul yang lama, semakin berkembangnya teknik machine learning maka muncul sebuah konsep dengan istilah Autoencoder. Dimana denoising merupakan salah satu praktek dari pengaplikasian Autoencoder.

Kita lihat, yang dibangun adalah code yang berada di tengah. Bagian tengah tersebut yang akan menggunakan data latih antara gambar orisinil dengan gambar yang sudah memiliki noise. Beberapa refensi bisa dicary dengan kata pencarian : autoencoder denoising. Diantaranya :

1. Pengenalan Deep Learning Part 6 : Deep Autoencoder
2. Denoising Autoencoders explained
3. Autoencoders and the Denoising Feature: From Theory to Practice
4. Denoising images : Reconstructing images with an autoencoder
5. Autoencoder For Denoising Images (Berbayar)
6. Autoencoders for Image Reconstruction in Python and Keras

Dari tulisan di atas, Autorencoder bisa digunakan untuk rekonstruksi citra dan atau denoising citra dengan tuning code_size atau target_dim(pada gambar dibawah kotak merah tulisan c), arsitektur bisa menggunakan sequential atau tambahan CNN(pada gambar dibawah trapesium E dan D).

Prinsipnya dari ref no.6, untuk auto encoder, training dan label menggunakan data input yang sama(pada gambar diatas persegi panjang x dan x'). 

autoencoder.fit(x=X_train, y=X_train, epochs=20,validation_data=[X_test, X_test])

untuk denoising training menggunakan data noise, labelnya data tanpa noise atau asli.

autoencoder.fit(x=X_train_noise, y=X_train, epochs=1,validation_data=[X_test_noise, X_test])