बहुविध छवि वर्गीकरण
बहुविध छवि वर्गीकरण (Multimodal image classification) मानक दृश्य वर्गीकरण का विस्तार करता है, जिसमें छवि विशेषताओं के साथ-साथ अतिरिक्त विधाओं - जैसे पाठ्य कैप्शन, ऑडियो, या संरचित मेटाडेटा - को शामिल किया जाता है। अलग-अलग एनकोडर प्रत्येक विधा को संसाधित करते हैं, उनके निरूपण (representations) को संयोजित (fused) किया जाता है, और एक संयुक्त क्लासिफायर लक्ष्य लेबल निर्दिष्ट करता है। CLIP जैसे मॉडल प्रदर्शित करते हैं कि छवि-पाठ संरेखण (image–text alignment) बड़े पैमाने पर शून्य-शॉट (zero-shot) और कुछ-शॉट (few-shot) छवि वर्गीकरण को सक्षम बनाता है।
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.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Multimodal Image Classification (Vision + Auxiliary Modality Fusion). ScholarGate. https://scholargate.app/hi/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.
- फाइन-ट्यून्ड इमेज क्लासिफिकेशन (Fine-Tuned Image Classification)गहन अधिगम↔ compare
- छवि वर्गीकरणगहन अधिगम↔ compare
- मल्टीमॉडल BERT-आधारित वर्गीकरणगहन अधिगम↔ compare
- बहुविध वस्तु संसूचन (Multimodal Object Detection)गहन अधिगम↔ compare
- बहुविध वाक्य एम्बेडिंग (Multimodal Sentence Embeddings)गहन अधिगम↔ compare
- मल्टीमॉडल ट्रांसफार्मरगहन अधिगम↔ compare