Multimodal Convolutional Neural Network
Et Multimodal Convolutional Neural Network (MM-CNN) behandler og fletter to eller flere input-modaliteter — såsom billeder og tekst, eller video og lyd — gennem dedikerede konvolutionelle grene, og lærer en delt repræsentation, der indfanger komplementære signaler fra hver kilde. Den flettede repræsentation driver en downstream-opgave såsom klassifikation, regression eller retrieval.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multimodal Convolutional Neural Network (MM-CNN). ScholarGate. https://scholargate.app/da/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.
- BilledklassifikationDyb læring↔ compare
- Multimodal BERT-baseret klassifikationDyb læring↔ compare
- Multimodal Recurrent Neural NetworkDyb læring↔ compare
- Multimodal TransformerDyb læring↔ compare
- Transferlæring med konvolutionelle neurale netværkDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →