Multimodální klasifikace obrazu
Multimodální klasifikace obrazu rozšiřuje standardní vizuální klasifikaci o začlenění dodatečných modalit – jako jsou textové popisky, zvuk nebo strukturovaná metadata – vedle obrazových příznaků. Samostatné enkodéry zpracovávají každou modalitu, jejich reprezentace jsou sloučeny a společný klasifikátor přiřazuje cílový popisek. Modely jako CLIP demonstrují, že zarovnání obrazu a textu umožňuje klasifikaci obrazu v režimu zero-shot a few-shot v rozsáhlém měřítku.
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
- Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., ... & Sutskever, I. (2021). Learning transferable visual models from natural language supervision. Proceedings of the 38th International Conference on Machine Learning (ICML), PMLR 139, 8748–8763. link ↗
- Ngiam, J., Khosla, A., Kim, M., Nam, J., Lee, H., & Ng, A. Y. (2011). Multimodal deep learning. Proceedings of the 28th International Conference on Machine Learning (ICML), 689–696. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multimodal Image Classification (Vision + Auxiliary Modality Fusion). ScholarGate. https://scholargate.app/cs/deep-learning/multimodal-image-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.
- Dolaďování klasifikace obrazuHluboké učení↔ compare
- Klasifikace obrazuHluboké učení↔ compare
- Víceúčelová klasifikace založená na BERTHluboké učení↔ compare
- Multimodální detekce objektůHluboké učení↔ compare
- Vícemodální vnoření vět (Multimodal Sentence Embeddings)Hluboké učení↔ compare
- Multimodální TransformerHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →