Classification basée sur une représentation creuse profonde

Nous présentons une formulation basée sur l'apprentissage profond transductif pour la méthode de classification par représentation parcimonieuse (SRC). Le réseau proposé se compose d'un autoencodeur convolutif associé à une couche entièrement connectée. L'autoencodeur a pour rôle d'apprendre des caractéristiques profondes robustes pour la classification. D'autre part, la couche entièrement connectée, située entre les réseaux encodeur et décodeur, est chargée de trouver la représentation parcimonieuse. Les codes parcimonieux estimés sont ensuite utilisés pour la classification. Des expériences variées menées sur trois ensembles de données différents montrent que le réseau proposé conduit à des représentations parcimonieuses offrant de meilleurs résultats de classification que les méthodes SRC de pointe actuelles. Le code source est disponible à l'adresse : github.com/mahdiabavisani/DSRC.