Ταξινόμηση Βασισμένη σε Πολυτροπικό BERT
Η πολυτροπική ταξινόμηση βασισμένη σε BERT επεκτείνει την αρχιτεκτονική μετασχηματιστή BERT για την ταυτόχρονη κωδικοποίηση και ταξινόμηση δεδομένων από πολλαπλές τροπικότητες — συνηθέστερα κείμενο σε συνδυασμό με εικόνες — με τη σύντηξη των αναπαραστάσεών τους πριν από μια τελική κεφαλή ταξινόμησης. Εισήχθη κυρίως γύρω στο 2019 μέσω μοντέλων όπως το MMBT και το ViLBERT, και έχει γίνει μια τυπική προσέγγιση για εργασίες όπου ούτε το κείμενο ούτε η εικόνα από μόνα τους φέρουν επαρκείς πληροφορίες για ακριβή επισήμανση.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Multimodal BERT-based Classification (Transformer Fusion of Text and Non-text Modalities). ScholarGate. https://scholargate.app/el/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.
- CLIPΒαθιά Μάθηση↔ compare
- Vision TransformerΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →