Monimuotoinen kuvien luokittelu
Monimuotoinen kuvien luokittelu laajentaa standardia visuaalista luokittelua sisällyttämällä kuvaominaisuuksien lisäksi muita modaliteetteja, kuten tekstillisiä kuvauksia, ääntä tai strukturoitua metadataa. Erilliset enkooderit prosessoivat kutakin modaliteettia, niiden representaatiot yhdistetään ja yhteinen luokittelija määrittää kohdeluokan. Mallit, kuten CLIP, osoittavat, että kuva-teksti-kohdistus mahdollistaa nollan ja harvan otoksen kuvien luokittelun laajassa mittakaavassa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Multimodal Image Classification (Vision + Auxiliary Modality Fusion). ScholarGate. https://scholargate.app/fi/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.
- Hienosäädetty kuvien luokitteluSyväoppiminen↔ compare
- KuvanluokitteluSyväoppiminen↔ compare
- Monimuotoinen BERT-pohjainen luokitteluSyväoppiminen↔ compare
- MonitulkintakohteentunnistusSyväoppiminen↔ compare
- Multimodaaliset lauseupotuksetSyväoppiminen↔ compare
- Monimodaalinen muuntajaSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →