首页 > 编程知识 正文

多模态融合性能指标,多模态融合方法

时间:2023-05-05 16:01:22 阅读:10020 作者:545

转型为AI的程序员关注这个号码吗? ?

机器学习AI算法工程 公众号:datayx

由于本人的研究是文本、语音、图像三种模态数据的融合,因此对这三种模态的特征融合方法进行了总结。 本文从方法、总结网站、概要文章开始介绍。

如何:

首先,多模态特征融合的方法大致可以分为三种。 前端融合、中端融合、后端融合。 其中:

前端融合是将多个独立数据集合并为单个特征向量,并输入机器学习分类器。 多模式前端融合方法常常与特征提取方法相结合,去除主成分分析(PCA )、最大相关最小冗馀算法(mRMR )、自动解码器(Autoencoders )等冗馀信息。 我采用深层连接自编码模型,研究了三种模式的特征:利用三层线性层将维度转换为同一个维度,然后相加,最后将三者还原。

python代码:

中间融合是指将不同的模态数据转换为高维特征表示,然后在模型的中间层进行融合。 以神经网络为例,中间融合首先利用神经网络将原始数据转换为高维特征表示,然后获得不同模态数据在高维空间中的共性。 问答对话有MFB方法(github地址https://github.com/yuzcccc/vqa-mfb ),它针对文本和图像两种模态,将各自的模态特征转换为同一维的高维向量,

后端融合是对分别训练了不同模态数据的分类器的输出进行评分(决策)并融合。 典型的后端融合方法包括最大值融合(max-fusion )、平均值融合(averaged-fusion )、贝叶斯规则融合(Bayes’rule based )、集成学习(ensemble learning )等

总结网站:

介绍一个比较实用的网站,总结了多模态融合的文章。 其中刊登了关于多模态的高水平论文。

是否包含开源代码,文章来源很齐全。 URL:https://github.com/pliang 279/awesome-multimodal-ml # multimodal-fusion

摘要文章:

深度模态表达学习:一项调查,通过总结和讨论深度学习中的多模态数据方法,分析方法的种类及其优缺点。 URL:https://IEEE xplore.IEEE.org/abstract/document/8715409

原文链接https://blog.csdn.net/weixin _ 43840280/article/details/118070317

机器学习算法AI大数据技术

http://www.Sina.com/http://www.Sina.com /

搜索公众号添加:

datanlp

长按图片,识别二维码

阅读过本文的人还看了以下文章:

TensorFlow 2.0深度学习案例实战

基于40万表格数据集TableBank,用MaskRCNN做表格检测

《基于深度学习的自然语言处理》 中/英PDF

Deep Learning 中文版初版-周志华团队

【全套视频课】最全的目标检测算法系列讲解,通俗易懂!

特征提取和图像处理(第2版).pdf

python就业班学习视频,从入门到实战项目

2019最新《美团机器学习实践》英,中文版PDF源代码

《深度学习入门:基于Python的理论与实现》完整版PDF附件代码

《PyTorch自然语言处理》 pdf附件

书源码

PyTorch深度学习快速实战入门《pytorch-handbook》

【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》

《Python数据分析与挖掘实战》PDF+完整源码

汽车行业完整知识图谱项目实战视频(全23课)

tldrg大神开源《动手学深度学习》,加州伯克利深度学习(2019春)教材

笔记、代码清晰易懂!简单的饼干《统计学习方法》最新资源全套!

《神经网络与深度学习》最新2018版中英PDF+源码

将机器学习模型部署为REST API

FashionAI服装属性标签图像识别Top1-5方案分享

重要开源!CNN-RNN-CTC 实现手写汉字识别

yolo3 检测出图像中的不规则汉字

同样是机器学习算法工程师,你的面试为什么过不了?

前海征信大数据算法:风险概率预测

【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目,让你掌握深度学习图像分类

VGG16迁移学习,实现医学图像识别分类工程项目

特征工程(一)

特征工程(二) :文本数据的展开、过滤和分块

特征工程(三):特征缩放,从词袋到 TF-IDF

特征工程(四): 类别特征

特征工程(五): PCA 降维

特征工程(六): 非线性特征提取和模型堆叠

特征工程(七):图像特征提取和深度学习

如何利用全新的决策树集成级联结构gcForest做特征工程并打分?

Machine Learning Yearning 中文翻译稿

蚂蚁金服2018秋招-算法工程师(共四面)通过

全球AI挑战-场景分类的比赛源码(多模型融合)

斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)

python+flask搭建CNN在线识别手写中文网站

中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程

不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加: datayx  

版权声明:该文观点仅代表作者本人。处理文章:请发送邮件至 三1五14八八95#扣扣.com 举报,一经查实,本站将立刻删除。