Multimodale BERT-gebaseerde classificatie
Multimodale BERT-gebaseerde classificatie breidt de BERT-transformatorarchitectuur uit om gegevens uit meerdere modaliteiten – meestal tekst gecombineerd met afbeeldingen – gezamenlijk te coderen en te classificeren door hun representaties te fuseren vóór een finale classificatiekop. Prominent geïntroduceerd rond 2019 via modellen zoals MMBT en ViLBERT, is het een standaardbenadering geworden voor taken waarbij noch tekst noch afbeelding alleen voldoende informatie bevat voor nauwkeurige etikettering.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Multimodal BERT-based Classification (Transformer Fusion of Text and Non-text Modalities). ScholarGate. https://scholargate.app/nl/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.
- CLIPDeep learning↔ compare
- Transformator voor Visuele WaarnemingDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →