用于特征提取的判别自编码器：在字符识别中的应用
计算机视觉与模式识别
2019-12-30 v1 机器学习
摘要
传统上，自编码器是无监督表示学习工具。本文提出一种新颖的判别自编码器。使用有监督判别学习可确保所学表示对图像数据集中常见变化具有鲁棒性。以基础判别自编码器为单元，我们构建了一种栈式架构，旨在从训练数据中提取相关表示。我们的特征提取算法的高效性使得即便采用 KNN（K 近邻）等简单分类方案也能获得高分类精度。我们通过在标准字符/图像识别数据集上实验并与现有有监督深度架构（如类稀疏栈式自编码器和判别深度信念网络）比较，证明了我们的模型在表示学习上的优越性。
引用
@article{arxiv.1912.12131,
title = {Discriminative Autoencoder for Feature Extraction: Application to Character Recognition},
author = {Anupriya Gogna and Angshul Majumdar},
journal= {arXiv preprint arXiv:1912.12131},
year = {2019}
}
备注
The final version has been accepted at Neural Processing Letters