（已发布源码）图像修复——上下文编码器以及加入全局判别器的改进（Context Encoder and Global and Local Discriminator）

Context Encoder ，Global and Local Discriminator

最近做了一个图像修复的project，感觉这两篇论文很好，就写点笔记嘿嘿

Context Encoder（上下文编码器）

在AE基础上modify

Context Encoder是根据AE（Auto-Encoder）修改得到。

AE在我的之前的blog里有讲解过哦，可自取~(https://blog.youkuaiyun.com/HustQbw/article/details/114670216)

我们知道，AE是一种编码器-解码器架构，用于对数据压缩、解压缩和图像去噪，但由于未在原有数据上引入约束（即新的信息），所以难以用于生成。

但这种编码器-解码器架构十分值得借鉴，先将图像用卷积层编码到一个低分辨率多通道的feature map，再进行反卷积上采样。

但有一个问题：卷积层只能联系像素点与其领域的特征，难以联系到全局的大部分乃至所有location。

channel-wise fully-connected layer（创新点）

这里就有点像分类问题了，分类问题总是先用卷积层、池化层进行特征提取，最后flatten到一维向量，利用全连接层得到分类结果。

这里全连接层所起到的作用就是整合全局所有位置的特征信息，或者说，全连接层屏蔽了特征在location上的差异（很容易理解，一维的向量就不存在空间位置的说法了），进行了全局的整合

但全连接层同样存在一个众所周知的问题：参数太太太太