Monimuotoinen BERT-pohjainen luokittelu
Monimuotoinen BERT-pohjainen luokittelu laajentaa BERT-muunninarkkitehtuuria koodaamaan ja luokittelemaan yhdessä useista modaliteeteista peräisin olevaa dataa – yleisimmin tekstiä ja kuvia – yhdistämällä niiden esitykset ennen lopullista luokittelupäätä. Mallit kuten MMBT ja ViLBERT, jotka esiteltiin merkittävästi noin vuonna 2019, ovat tehneet siitä standardilähestymistavan tehtäviin, joissa pelkkä teksti tai kuva ei yksinään sisällä riittävästi tietoa tarkkaan merkintään.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Multimodal BERT-based Classification (Transformer Fusion of Text and Non-text Modalities). ScholarGate. https://scholargate.app/fi/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.
- CLIPSyväoppiminen↔ compare
- Vision TransformerSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →