मल्टीमॉडल BERT-आधारित वर्गीकरण
मल्टीमॉडल BERT-आधारित वर्गीकरण, मल्टीमॉडल डेटा - सबसे आम तौर पर टेक्स्ट को छवियों के साथ जोड़कर - के संयुक्त एन्कोडिंग और वर्गीकरण के लिए BERT ट्रांसफार्मर आर्किटेक्चर का विस्तार करता है, जो अंतिम वर्गीकरण हेड से पहले उनके अभ्यावेदन को फ्यूज करता है। MMBT और ViLBERT जैसे मॉडलों के माध्यम से 2019 के आसपास प्रमुखता से पेश किया गया, यह उन कार्यों के लिए एक मानक दृष्टिकोण बन गया है जहाँ केवल टेक्स्ट या छवि अकेले सटीक लेबलिंग के लिए पर्याप्त जानकारी नहीं रखते हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Multimodal BERT-based Classification (Transformer Fusion of Text and Non-text Modalities). ScholarGate. https://scholargate.app/hi/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.
- CLIPगहन अधिगम↔ compare
- विजन ट्रांसफार्मरगहन अधिगम↔ compare