Machine learningDeep learning / NLP / CV
多模态卷积神经网络
多模态卷积神经网络（MM-CNN）通过专用的卷积分支处理和融合两个或多个输入模态——例如图像和文本，或视频和音频——学习捕获来自每个源的互补信号的共享表示。融合后的表示驱动分类、回归或检索等下游任务。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Multimodal Convolutional Neural Network (MM-CNN). ScholarGate. https://scholargate.app/zh/deep-learning/multimodal-convolutional-neural-network
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 图像分类深度学习↔ 比较
- 多模态BERT分类深度学习↔ 比较
- 多模态循环神经网络深度学习↔ 比较
- 多模态Transformer深度学习↔ 比较
- 基于卷积神经网络的迁移学习深度学习↔ 比较