Mitmemodaalne BERT-põhine klassifitseerimine
Mitmemodaalne BERT-põhine klassifitseerimine laiendab BERT-i transformaatori arhitektuuri, et ühiselt kodeerida ja klassifitseerida andmeid mitmest modaalsusest – kõige sagedamini tekst koos piltidega – sulatades nende esitused enne lõplikku klassifitseerimispead. See võeti laialdaselt kasutusele umbes 2019. aastal selliste mudelite kaudu nagu MMBT ja ViLBERT ning sellest on saanud standardne lähenemine ülesannete puhul, kus ei tekst ega pilt üksi ei sisalda piisavalt teavet täpseks märgistamiseks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Multimodal BERT-based Classification (Transformer Fusion of Text and Non-text Modalities). ScholarGate. https://scholargate.app/et/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.
- CLIPSüvaõpe↔ compare
- Vision TransformerSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →