有很多使用深度学习技术和CIFAR-10数据集的分类器示例。它的工作方式是，训练数千张猫、狗、飞机等图像，然后将图像分类为狗、飞机或猫。但我想做相反的事情。我想训练狗、猫、飞机，它应该输出图像。这是我的想法
- 将猫的相似/清晰图像分组为值 1，将不太相似/模糊的图像分组为 1.1，依此类推。同样，将狗的相似图像分组为值 2，将不太相似的图像分组为 2.1，依此类推……对所有类型的图像执行相同的操作。
生成的数据集应如下所示
input output
1 pixels(24*24) of a cat images(clear)
1 pixels(24*24) of a cat images(clear)
.
.
1.1 pixels(24*24) of another cat images(blur)
1.1 pixels(24*24) of another cat images(blur)
.
.
and so on
- 现在训练输入值和图像标签作为输出。输入只是一维的，可能我会想到一些其他数据。输出层将有 24*24 即 576 个单元或神经元。
- 在训练结束时，我想要这样的东西，如果我输入例如 1.15，它应该输出一个新图像，因为我们使用值 1.1 和 1.2 进行了训练，但我们没有使用 1.11 或 1.115 进行训练。
请给我一些想法我该怎么做？任何指向示例或论文的链接都会很好。