Багатомодальна класифікація зображень
Багатомодальна класифікація зображень розширює стандартну візуальну класифікацію шляхом інтеграції додаткових модальностей — таких як текстові підписи, аудіо або структуровані метадані — поряд із ознаками зображень. Окремі кодери обробляють кожну модальність, їхні представлення об'єднуються, а спільний класифікатор призначає цільову мітку. Моделі, як-от CLIP, демонструють, що узгодження зображень і тексту уможливлює класифікацію зображень у режимах zero-shot та few-shot у великих масштабах.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., ... & Sutskever, I. (2021). Learning transferable visual models from natural language supervision. Proceedings of the 38th International Conference on Machine Learning (ICML), PMLR 139, 8748–8763. link ↗
- Ngiam, J., Khosla, A., Kim, M., Nam, J., Lee, H., & Ng, A. Y. (2011). Multimodal deep learning. Proceedings of the 28th International Conference on Machine Learning (ICML), 689–696. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Multimodal Image Classification (Vision + Auxiliary Modality Fusion). ScholarGate. https://scholargate.app/uk/deep-learning/multimodal-image-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.
- Тонке налаштування класифікації зображеньГлибоке навчання↔ compare
- Класифікація зображеньГлибоке навчання↔ compare
- Мультимодальна класифікація на основі BERTГлибоке навчання↔ compare
- Багатомодальне виявлення об'єктівГлибоке навчання↔ compare
- Мультимодальні вбудовування реченьГлибоке навчання↔ compare
- Мультимодальний ТрансформерГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →