Daudzmodālu attēlu klasifikācija
Daudzmodālu attēlu klasifikācija paplašina standarta vizuālo klasifikāciju, papildus attēlu iezīmēm iekļaujot papildu modalitātes — piemēram, teksta parakstus, audio vai strukturētus metadatus. Atsevišķi kodētāji apstrādā katru modalitāti, to reprezentācijas tiek sapludinātas, un kopīgs klasifikators piešķir mērķa etiķeti. Modeļi, piemēram, CLIP, demonstrē, ka attēlu un teksta saskaņošana nodrošina nulles un mazas paraugu skaita attēlu klasifikāciju plašā mērogā.
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
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multimodal Image Classification (Vision + Auxiliary Modality Fusion). ScholarGate. https://scholargate.app/lv/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.
- Sīkāka pielāgošana attēlu klasifikācijaiDziļā mācīšanās↔ compare
- Attēlu klasifikācijaDziļā mācīšanās↔ compare
- Multimodāla BERT klasifikācijaDziļā mācīšanās↔ compare
- Daudzmodālu objektu noteikšanaDziļā mācīšanās↔ compare
- Multimodālie teikumu ieguldinājumiDziļā mācīšanās↔ compare
- Daudzmodālu TransformersDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →