Konvoluční neuronová síť pro více modalit
Konvoluční neuronová síť pro více modalit (MM-CNN) zpracovává a slučuje dvě nebo více vstupních modalit – jako jsou obrázky a text, nebo video a zvuk – prostřednictvím specializovaných konvolučních větví, přičemž se učí sdílenou reprezentaci, která zachycuje doplňkové signály z každého zdroje. Sloučená reprezentace pohání následný úkol, jako je klasifikace, regrese nebo vyhledávání.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Ngiam, J., Khosla, A., Kim, M., Nam, J., Lee, H., & Ng, A. Y. (2011). Multimodal deep learning. In Proceedings of the 28th International Conference on Machine Learning (ICML), 689–696. link ↗
- Zhang, Y., Yin, C., Li, Y., Li, D., & Tian, Q. (2020). Multimodal intelligence: Representation learning, information fusion, and applications. IEEE Journal of Selected Topics in Signal Processing, 14(3), 478–493. DOI: 10.1109/JSTSP.2020.2987728 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multimodal Convolutional Neural Network (MM-CNN). ScholarGate. https://scholargate.app/cs/deep-learning/multimodal-convolutional-neural-network
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.
- Klasifikace obrazuHluboké učení↔ compare
- Víceúčelová klasifikace založená na BERTHluboké učení↔ compare
- Multimodální rekurentní neuronová síťHluboké učení↔ compare
- Multimodální TransformerHluboké učení↔ compare
- Přenosové učení s konvoluční neuronovou sítíHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →