颜色分类leetcode压缩感知的深度学习方法亚琛工业大学2016年夏季学期研讨会项目的代码、乳胶来源和演示文稿。基于论文“结构化信号恢复的深度学习方法”，在Caltech-UCSD Birds 200数据集上进行了评估。用于训练网络，顶部是高级库。Ali Mousavi A.、Ankit B. Patel和Richard G. Baraniuk。P. Welinder、S. Branson、T. Mita、C. Wah、F. Schroff、S. Belongie、P. Perona。加州理工学院。CNS-TR-2010-001。2010年。Theano开发团队。抽象的压缩传感已被证明是信号采集中的一项重要技术，尤其是在传感器质量或测量的最大可能持续时间受到限制的情况下。在本报告中，深度学习技术用于改善图像采集环境中的压缩感知。在之前的方法中，cite{Mousavi2015}部署了堆叠去噪自动编码器，能够比传统的迭代方法更快地重建图像。除了回顾这种方法之外，还讨论了使用受流行的VGGnet架构启发的卷积自动编码器的可行性。