การจำแนกประเภทแบบหลายรูปแบบโดยใช้ BERT
การจำแนกประเภทแบบหลายรูปแบบโดยใช้ BERT เป็นการขยายสถาปัตยกรรม BERT transformer เพื่อเข้ารหัสและจำแนกข้อมูลจากหลายรูปแบบพร้อมกัน โดยทั่วไปคือข้อความที่จับคู่กับรูปภาพ โดยการหลอมรวมการแสดงแทนของข้อมูลเหล่านั้นก่อนที่จะส่งไปยังส่วนการจำแนกประเภทสุดท้าย โมเดลนี้ได้รับความนิยมอย่างเด่นชัดราวปี 2019 ผ่านโมเดลอย่าง MMBT และ ViLBERT และได้กลายเป็นแนวทางมาตรฐานสำหรับงานที่ทั้งข้อความหรือรูปภาพเพียงอย่างเดียวไม่สามารถให้ข้อมูลเพียงพอสำหรับการติดป้ายกำกับที่ถูกต้องได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multimodal BERT-based Classification (Transformer Fusion of Text and Non-text Modalities). ScholarGate. https://scholargate.app/th/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.
- CLIPการเรียนรู้เชิงลึก↔ compare
- วิชันทรานส์ฟอร์มเมอร์การเรียนรู้เชิงลึก↔ compare