Daudzmodālu konvolūcijas neironu tīkls
Daudzmodālu konvolūcijas neironu tīkls (MM-CNN) apstrādā un apvieno divas vai vairākas ievades modalitātes — piemēram, attēlus un tekstu, vai video un audio — caur specializētām konvolūcijas atzarēm, apgūstot kopīgu attēlojumu, kas uztver papildinošus signālus no katra avota. Apvienotais attēlojums virza pakārtotu uzdevumu, piemēram, klasifikāciju, regresiju vai izguvi.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multimodal Convolutional Neural Network (MM-CNN). ScholarGate. https://scholargate.app/lv/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.
- Attēlu klasifikācijaDziļā mācīšanās↔ compare
- Multimodāla BERT klasifikācijaDziļā mācīšanās↔ compare
- Daudzmodālu rekurentā neironu tīklsDziļā mācīšanās↔ compare
- Daudzmodālu TransformersDziļā mācīšanās↔ compare
- Pārneses apmācība ar konvolucionālo neironu tīkluDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →