Víceúčelová klasifikace založená na BERT
Víceúčelová klasifikace založená na BERT rozšiřuje architekturu transformátoru BERT pro společné kódování a klasifikaci dat z více modalit — nejčastěji textu spárovaného s obrázky — spojením jejich reprezentací před finální klasifikační hlavou. Poprvé výrazněji představena kolem roku 2019 prostřednictvím modelů jako MMBT a ViLBERT, stala se standardním přístupem pro úlohy, kde samotný text ani obrázek neobsahují dostatek informací pro přesné označení.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Zdroje
- Kiela, D., Bhooshan, S., Firooz, H., Perez, E., & Testuggine, D. (2019). Supervised multimodal bitransformers for classifying images and text. arXiv preprint arXiv:1909.02950. link ↗
- Lu, J., Batra, D., Parikh, D., & Lee, S. (2019). ViLBERT: Pretraining task-agnostic visiolinguistic representations for vision-and-language tasks. Advances in Neural Information Processing Systems, 32. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multimodal BERT-based Classification (Transformer Fusion of Text and Non-text Modalities). ScholarGate. https://scholargate.app/cs/deep-learning/multimodal-bert-based-classification
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- CLIPHluboké učení↔ compare
- Vision TransformerHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →