Πολυτροπική Ταξινόμηση Εικόνων
Η πολυτροπική ταξινόμηση εικόνων επεκτείνει την τυπική οπτική ταξινόμηση ενσωματώνοντας επιπρόσθετες τροπικότητες — όπως λεζάντες κειμένου, ήχο ή δομημένα μεταδεδομένα — παράλληλα με τα χαρακτηριστικά της εικόνας. Ξεχωριστοί κωδικοποιητές επεξεργάζονται κάθε τροπικότητα, οι αναπαραστάσεις τους συγχωνεύονται και ένας κοινός ταξινομητής αποδίδει την ετικέτα-στόχο. Μοντέλα όπως το CLIP αποδεικνύουν ότι η ευθυγράμμιση εικόνας-κειμένου επιτρέπει ταξινόμηση εικόνων μηδενικών δειγμάτων (zero-shot) και λίγων δειγμάτων (few-shot) σε μεγάλη κλίμακα.
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.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Multimodal Image Classification (Vision + Auxiliary Modality Fusion). ScholarGate. https://scholargate.app/el/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.
- Εξειδικευμένη Ταξινόμηση ΕικόνωνΒαθιά Μάθηση↔ compare
- Κατηγοριοποίηση ΕικόνωνΒαθιά Μάθηση↔ compare
- Ταξινόμηση Βασισμένη σε Πολυτροπικό BERTΒαθιά Μάθηση↔ compare
- Πολυτροπική Ανίχνευση ΑντικειμένωνΒαθιά Μάθηση↔ compare
- Πολυτροπικές Ενσωματώσεις ΠροτάσεωνΒαθιά Μάθηση↔ compare
- Πολυτροπικός ΜετασχηματιστήςΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →