autoencoderの手法を用いたラベル分類についての考え方

autoencoderを用いたclassificationについて調べております。

機会学習におけるautoencoderについての考え方、概念的な質問になるのですが、
CNNを用いたautoencoderを作成するとすると、
そのencoder部分で移動不変性を特徴とするCNNによる畳込み、Maxploolingを繰り返し、decoder部分でupsamplingを行ったデータを用いてラベル分類する手法は、autoencoderを通し自己符号化したtensor,vectorデータがラベル分類に適したデータになっている可能性が高いと考えて良いのでしょうか。

CNNによるラベル分類では、convolve→maxpoolingを繰り返し、flatten()でラベル分類まで行う手法が基本的だとは思うのですが、decoder部分を設定してupsamplingしている意味について考えているのですが、いまいちupsamplingを行っている意味がわからず困っております。

なにかアドバイスをいただけますと幸いです。よろしくお願いいたします。

hayataka2049

2018/12/08 23:05

「autoencoderを用いたclassification」っていまどきあまりないと思うのですが、どんな情報を参考にしているのでしょうか。upsamplingをするオートエンコーダならラベル分類ではないのでは？

yohehe

2018/12/11 07:49 編集

hayataka2049様、返答ありがとうございます。autoencoderの手法自体がラベル分類などでは使用されず、現在はノイズ除去など以外の画像処理の課題以外では使用されないような情報は調べていました。不勉強で曖昧な返答しかできないのですが、autoencoder classificationについて以下に調べていたURLを貼付いたします。upsamplingを使用しているような記述になっておりましたので質問させていただきました。 https://www.datacamp.com/community/tutorials/autoencoder-classifier-python

yohehe

2018/12/11 07:52

autoencoder以外でupsamplingを使用することの意味が自分には理解できてないのだとは思います。もう少し調べてみます。