Discussion :

[colapili]

Bonjour à tous,

J'essaye de reproduire cet autoencoder pour débruiter des électrocardiogrammes comme présenté dans ce papier : "Noise Reduction in ECG Signals Using Fully
Convolutional Denoising Autoencoders. HSIN-TIEN CHIANG. 2019 "
Voici le lien : https://ieeexplore.ieee.org/stamp/st...number=8693790

La structure de leur autoencodeur se présente comme cela:



Il est précisé qu'il n'y a pas de pooling sur les couches, pas de fonction d'activation sur la couche de sortie et qu'il y a du batch normalisation sur les couches cachées.

Voici le code que j'ai pu réaliser à partir de ces infos:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
def create_Conv1D():
    inputs = Input(shape = (len(X_train[0]),1))
 
    encoded = Conv1D(filters = 40 ,kernel_size = 16,strides=2, padding = 'same')(inputs)
    encoded = BatchNormalization()(encoded)
    encoded = Activation('elu')(encoded)  
 
    encoded = Conv1D(filters = 20 ,kernel_size = 16,strides=2,padding = 'same')(encoded)
    encoded = BatchNormalization()(encoded)
    encoded = Activation('elu')(encoded)
 
    encoded = Conv1D(filters = 20 ,kernel_size = 16,strides=2,padding = 'same')(encoded)
    encoded = BatchNormalization()(encoded)
    encoded = Activation('elu')(encoded)
 
    encoded = Conv1D(filters = 20 ,kernel_size = 16,strides=2,padding = 'same')(encoded)
    encoded = BatchNormalization()(encoded)
    encoded = Activation('elu')(encoded)
 
    encoded = Conv1D(filters = 40 ,kernel_size = 16,strides=2,padding = 'same')(encoded)
    encoded = BatchNormalization()(encoded)
    encoded = Activation('elu')(encoded)
 
    encoded = Conv1D(filters = 1 ,kernel_size = 16,strides=1,padding = 'same')(encoded)
    encoded = BatchNormalization()(encoded)
    encoded = Activation('elu')(encoded)
 
 
    decoded = Conv1D(filters = 40 ,kernel_size = 16,strides=2,padding = 'same')(encoded)
    decoded = BatchNormalization()(decoded)
    decoded = Activation('elu')(decoded)
    decoded = UpSampling1D(4)(decoded)
 
    decoded = Conv1D(filters = 20 ,kernel_size = 16,strides=2,padding = 'same')(decoded)
    decoded = BatchNormalization()(decoded)
    decoded = Activation('elu')(decoded)
    decoded = UpSampling1D(4)(decoded)
 
    decoded = Conv1D(filters = 20 ,kernel_size = 16,strides=2,padding = 'same')(decoded)
    decoded = BatchNormalization()(decoded)
    decoded = Activation('elu')(decoded)
    decoded = UpSampling1D(4)(decoded)
 
    decoded = Conv1D(filters = 20 ,kernel_size = 16,strides=2,padding = 'same')(decoded)
    decoded = BatchNormalization()(decoded)
    decoded = Activation('elu')(decoded)
    decoded = UpSampling1D(4)(decoded)
 
    decoded = Conv1D(filters = 40 ,kernel_size = 16,strides=2,padding = 'same')(decoded)
    decoded = BatchNormalization()(decoded)
    decoded = Activation('elu')(decoded)
    decoded = UpSampling1D(4)(decoded)
 
    decoded = Conv1D(filters = 1 ,kernel_size = 16,strides=1, padding = 'same')(decoded)
    autoencoder = Model(inputs,decoded)
 
    return autoencoder

J'ai plusieurs questions :

Est-ce que j'utilise bien le upsampling ? Dans l'article il n'y a aucune précision concernant cette action, le *4 est la seule config qui me permet de retomber sur ma dimension de départ (1024)
Est-ce que le "Fully connected" correspond uniquement au remplacement de la dernière couche "dense" par la Conv1D ?
Autre précision, mon accuracy reste proche de zero... Il doit donc y avoir un problème.

Merci pour vos réponse !

Bonne soirée

Nicolas

[VinsS]

Salut,

Ça ne répond probablement pas à tes questions mais peux-tu dire ce que signifie, pour toi, ces (encoded) et (decoded) après les fonctions ?

[colapili]

Bonjour Vincent,

Cette structure correspond à l'API de keras. Pour plus d'info voici le liens:
https://keras.io/getting-started/functional-api-guide/

En mettant (encoded) à la fin de la ligne cela fait appel à la couche précédente encoded. Même chose pour la décoded.

Nicolas