Rete Neurale Convoluzionale Multimodale
Una rete neurale convoluzionale multimodale (MM-CNN) elabora e fonde due o più modalità di input — come immagini e testo, o video e audio — attraverso rami convoluzionali dedicati, apprendendo una rappresentazione condivisa che cattura segnali complementari da ciascuna sorgente. La rappresentazione fusa guida un compito downstream come classificazione, regressione o recupero.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Multimodal Convolutional Neural Network (MM-CNN). ScholarGate. https://scholargate.app/it/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.
- Classificazione di immaginiApprendimento profondo↔ compare
- Classificazione basata su BERT multimodaleApprendimento profondo↔ compare
- Reti Neurali Ricorrenti MultimodaliApprendimento profondo↔ compare
- Transformer MultimodaleApprendimento profondo↔ compare
- Transfer Learning con Convolutional Neural NetworkApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →