Les Réseaux auto-encodeurs (AE) sont particulièrement intéressants de par leur capacité à effectuer, de manières non supervisées, des représentations compactes de données complexe.
Ils sont ainsi très utiles pour une large variété de tâches telles que la reconstruction, la détection d’anomalies, la réduction de dimensionnalité, le débruitage ou encore la génération de données.
Principes et architecture d’un autoencodeur (AE)
Espace latent, convolution classiques et transposées
Programmation procédurale avec Keras 3 et pytorch
Exemple proposé : Débruitage d’images fortement bruitées