个人技术分享

深度学习之---迁移学习

迁移学习(Transfer Learning)是一种机器学习方法，就是把为任务 A 开发 的模型作为初始点，重新使用在为任务 B 开发模型的过程中。迁移学习是通过 从已学习的相关任务中转移知识来改进学习的新任务，虽然大多数机器学习算 法都是为了解决单个任务而设计的，但是促进迁移学习的算法的开发是机器学 习社区持续关注的话题。迁移学习对人类来说很常见，例如，我们可能会发现 学习识别苹果可能有助于识别梨，或者学习弹奏电子琴可能有助于学习钢琴。

跨语言迁移学习@多模态仇恨言论事件检测2024：：多模态仇恨言论检测的有效策略及其目标

遇到的问题：图像和仇恨言论文本已多模态的形式出现，统的单模态模型仅关注文本或图像分类，无法有效解释这些多模态场景中仇恨言论的细微差别和往往依赖于上下文的性质。所做的工作：采用基于twitter的RoBERTa(Loureiro等人，2023)和Swin Transformer V2模型(Liu等人，2022)来提取用于编码文本和视觉内容的特征，并通过多层感知器(MLP)融合技术将它们连接。在不需要特征工程的情况下，能够有效地整合和分析文本和视觉信息，以准确识别文本嵌入图像中的仇恨言论