โครงข่ายประสาทเทียมคอนโวลูชันหลายรูปแบบ
โครงข่ายประสาทเทียมคอนโวลูชันหลายรูปแบบ (Multimodal Convolutional Neural Network - MM-CNN) ทำการประมวลผลและหลอมรวมข้อมูลจากสองรูปแบบอินพุตขึ้นไป เช่น รูปภาพและข้อความ หรือวิดีโอและเสียง ผ่านสาขาคอนโวลูชันที่ออกแบบมาเฉพาะ เพื่อเรียนรู้การแทนค่าร่วม (shared representation) ที่สามารถจับสัญญาณเสริมจากแต่ละแหล่ง ข้อมูลที่หลอมรวมแล้วจะถูกนำไปใช้ในงานขั้นต่อไป เช่น การจำแนกประเภท (classification) การถดถอย (regression) หรือการค้นคืน (retrieval)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multimodal Convolutional Neural Network (MM-CNN). ScholarGate. https://scholargate.app/th/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.
- การจำแนกประเภทรูปภาพการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทแบบหลายรูปแบบโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- โครงข่ายประสาทเทียมเวียนซ้ำหลายรูปแบบการเรียนรู้เชิงลึก↔ compare
- Multimodal Transformerการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนด้วยโครงข่ายประสาทเทียมแบบสังวัตนาการการเรียนรู้เชิงลึก↔ compare