Multimodalna konvoluciona neuronska mreža
Multimodalna konvoluciona neuronska mreža (MM-CNN) obrađuje i spaja dve ili više ulaznih modalnosti — kao što su slike i tekst, ili video i audio — kroz namenske konvolucione grane, učeći zajedničku reprezentaciju koja obuhvata komplementarne signale iz svakog izvora. Spojena reprezentacija pokreće nizvodni zadatak kao što je klasifikacija, regresija ili pretraživanje.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Multimodal Convolutional Neural Network (MM-CNN). ScholarGate. https://scholargate.app/sr/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.
- Класификација сликаDuboko učenje↔ compare
- Multimodalna klasifikacija zasnovana na BERT-uDuboko učenje↔ compare
- Multimodalna rekurentna neuronska mrežaDuboko učenje↔ compare
- Multimodalni TransformerDuboko učenje↔ compare
- Трансферно учење са конволуционом неуронском мрежомDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →