Monitulkintainen konvoluutioneuroverkko
Monitulkintainen konvoluutioneuroverkko (MM-CNN) käsittelee ja yhdistää kaksi tai useampia syötteitä – kuten kuvia ja tekstiä tai videota ja ääntä – erillisten konvoluutiohaarojen kautta, oppien jaetun esitystavan, joka tallentaa kunkin lähteen täydentäviä signaaleja. Yhdistetty esitystapa ohjaa jatkotehtävää, kuten luokittelua, regressiota tai hakua.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Multimodal Convolutional Neural Network (MM-CNN). ScholarGate. https://scholargate.app/fi/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.
- KuvanluokitteluSyväoppiminen↔ compare
- Monimuotoinen BERT-pohjainen luokitteluSyväoppiminen↔ compare
- Multimodaalinen rekurrentti neuroverkkoSyväoppiminen↔ compare
- Monimodaalinen muuntajaSyväoppiminen↔ compare
- Siirto-oppiminen konvoluutionaalisella neuroverkollaSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →