Multimodális konvolúciós neurális hálózat
A multimodális konvolúciós neurális hálózat (MM-CNN) két vagy több bemeneti modalitást – például képeket és szöveget, vagy videót és hangot – dolgoz fel és egyesít dedikált konvolúciós ágakon keresztül, tanulva egy közös reprezentációt, amely kiegészítő jeleket rögzít minden forrásból. Az egyesített reprezentáció egy lefelé irányuló feladatot hajt végre, mint például osztályozás, regresszió vagy lekérdezés.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Multimodal Convolutional Neural Network (MM-CNN). ScholarGate. https://scholargate.app/hu/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.
- KéposztályozásMélytanulás↔ compare
- Multimodális BERT-alapú osztályozásMélytanulás↔ compare
- Multimodális Rekurrens Neurális HálózatMélytanulás↔ compare
- Multimodális transzformerMélytanulás↔ compare
- Transzfer tanulás konvolúciós neurális hálóvalMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →