Wir präsentieren eine transduktive Formulierung der Klassifikationsmethode auf Basis dünnbesetzter Darstellungen (Sparse Representation-based Classification, SRC) mit Hilfe des tiefen Lernens. Das vorgeschlagene Netzwerk besteht aus einem konvolutionellen Autoencoder sowie einer vollständig verbundenen Schicht. Die Aufgabe des Autoencoder-Netzwerks ist es, robuste tiefe Merkmale für die Klassifikation zu lernen. Die vollständig verbundene Schicht, die zwischen den Encoder- und Decoder-Netzwerken platziert ist, ist dafür verantwortlich, die dünnbesetzte Darstellung zu finden. Die geschätzten dünnbesetzten Codes werden anschließend für die Klassifikation verwendet. Verschiedene Experimente an drei verschiedenen Datensätzen zeigen, dass das vorgeschlagene Netzwerk zu dünnbesetzten Darstellungen führt, die bessere Klassifikationsergebnisse als state-of-the-art SRC-Methoden liefern. Der Quellcode ist unter folgender Adresse verfügbar: github.com/mahdiabavisani/DSRC.