Multimodāla BERT klasifikācija
Multimodāla BERT klasifikācija paplašina BERT transformatora arhitektūru, lai kopīgi kodētu un klasificētu datus no vairākām modalitātēm — visbiežāk tekstu, kas savienots ar attēliem — sapludinot to attēlojumus pirms galvas klasifikācijas. Ieviesti ievērojami ap 2019. gadu, izmantojot tādus modeļus kā MMBT un ViLBERT, tas ir kļuvis par standarta pieeju uzdevumiem, kur ne teksts, ne attēls vien neuzrāda pietiekamu informāciju precīzai marķēšanai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multimodal BERT-based Classification (Transformer Fusion of Text and Non-text Modalities). ScholarGate. https://scholargate.app/lv/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.
- CLIPDziļā mācīšanās↔ compare
- Vision TransformerDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →