Classificazione di Immagini Multimodali
La classificazione di immagini multimodali estende la classificazione visiva standard incorporando modalità aggiuntive — come didascalie testuali, audio o metadati strutturati — accanto alle caratteristiche dell'immagine. Encoder separati elaborano ciascuna modalità, le loro rappresentazioni vengono fuse e un classificatore congiunto assegna l'etichetta target. Modelli come CLIP dimostrano che l'allineamento immagine-testo abilita la classificazione di immagini zero-shot e few-shot su larga scala.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Multimodal Image Classification (Vision + Auxiliary Modality Fusion). ScholarGate. https://scholargate.app/it/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.
- Classificazione di immagini fine-tunedApprendimento profondo↔ compare
- Classificazione di immaginiApprendimento profondo↔ compare
- Classificazione basata su BERT multimodaleApprendimento profondo↔ compare
- Rilevamento di oggetti multimodaleApprendimento profondo↔ compare
- Embedding multimodali di frasiApprendimento profondo↔ compare
- Transformer MultimodaleApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →