基于深度稀疏表示的分类
计算机视觉与模式识别
2025-10-13 v1 人工智能
机器学习
机器学习
摘要
我们提出了一种基于直推式深度学习的稀疏表示分类（SRC）方法表述。所提网络由一个卷积自编码器和一个全连接层组成。自编码器网络的作用是学习用于分类的鲁棒深度特征。另一方面，置于编码器与解码器网络之间的全连接层负责寻找稀疏表示。估计得到的稀疏编码随后被用于分类。在三个不同数据集上的多种实验表明，所提网络产生的稀疏表示比最先进的 SRC 方法给出了更好的分类结果。源代码见：github.com/mahdiabavisani/DSRC。
引用
@article{arxiv.1904.11093,
title = {Deep Sparse Representation-based Classification},
author = {Mahdi Abavisani and Vishal M. Patel},
journal= {arXiv preprint arXiv:1904.11093},
year = {2025}
}