เปรียบเทียบวิธี

	โครงข่ายประสาทเทียมคอนโวลูชันหลายรูปแบบ	การจำแนกประเภทรูปภาพ
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2011	2012 (deep CNN era); conceptual roots 1989 (LeCun)
ผู้ริเริ่ม	Ngiam, J. et al. / multiple groups	Krizhevsky, A.; Sutskever, I.; Hinton, G. E.
ประเภท	Multimodal deep learning model	Supervised classification task
แหล่งต้นตำรับ	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.	Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems (NeurIPS), 25, 1097–1105.
ชื่อเรียกอื่น	MM-CNN, multimodal CNN, multi-input CNN, cross-modal convolutional network	visual classification, image recognition, CNN-based classification, visual categorization
ที่เกี่ยวข้อง	5	5
สรุป	A Multimodal Convolutional Neural Network (MM-CNN) processes and fuses two or more input modalities — such as images and text, or video and audio — through dedicated convolutional branches, learning a shared representation that captures complementary signals from each source. The fused representation drives a downstream task such as classification, regression, or retrieval.	Image classification is the task of assigning a single semantic label to an entire image from a fixed set of categories. Modern approaches rely on deep convolutional neural networks (CNNs) or Vision Transformers (ViTs) trained end-to-end on large labeled datasets such as ImageNet, achieving superhuman accuracy on many benchmarks and underpinning applications from medical imaging to autonomous vehicles.