Lecture 03PCA、均值基线与冻结评价

PCA、均值基线与冻结评价

按问题继续

索引恢复、去噪/遮挡ConvAE训练、PCA基线、独立冻结评价

PCA只在清洁训练图上拟合均值与16个主轴，再把保留集的噪声图投影回低秩空间。受约束的线性自编码器与PCA子空间有联系，所以它是有意义的透明比较；SVD没有替代这里的非线性神经网络训练。二者瓶颈同为16维，但参数量、目标和优化不同，不能把这一结果解释成严格的架构消融。

遮挡评估固定模型权重，在25%、50%、75%三个比例上使用同一批保留图和每图同一随机排列；隐藏集合随比例嵌套增加。对照是训练集均值图和填零，不是用保留图计算的均值。卷积模型在三个比例下仍处理完整8×8网格，不能把可见patch数当作本模型的加速比。

表示评价输入清洁图像，遮挡模型的mask通道全零；分别提取已训练/随机初始化的16维h，L2归一化后做余弦5-NN。参考库只有训练图及其标签。重建评价和数字识别有不同分母、单位和目标，不互相替代。