Home Progetti Multimodal-Sentiment-Analysis
Multimodal-Sentiment-Analysis
Python

Multimodal-Sentiment-Analysis

Analisi delle emozioni multimodale — basata su BERT+ResNet con vari metodi di fusione

di YeexiaoZheng · GitHub
Stelle
Fork
Licenza
Creato
Ultimo commit
Categoria
Lingua
attentionmultimodalmultimodal-sentiment-analysisApache-2.0Python
Visualizza su GitHub
In parole semplici

Analizza le emozioni in testo e immagini utilizzando tecniche avanzate di machine learning con questo progetto.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
Multimodal-Sentiment-Analysis — GitHub preview card
📈 Storia delle stelle
370369
2026-07-202026-08-31
📈 Segui Multimodal-Sentiment-Analysis

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Analisi delle emozioni multimodale — basata su BERT+ResNet con vari metodi di fusione

Multimodal-Sentiment-Analysis ha 369 stelle su GitHub. È stato forkato 34 volte. Multimodal-Sentiment-Analysis è scritto principalmente in Python. È in sviluppo attivo dal 2022. Multimodal-Sentiment-Analysis è disponibile con licenza Apache-2.0. I suoi temi principali sono: attention, multimodal, multimodal-sentiment-analysis, pytorch.

Frequently asked questions

Che cos'è Multimodal-Sentiment-Analysis?

Analisi delle emozioni multimodale — basata su BERT+ResNet con vari metodi di fusione

Multimodal-Sentiment-Analysis è open source?

Multimodal-Sentiment-Analysis è un progetto open source. È rilasciato con licenza Apache-2.0.

Multimodal-Sentiment-Analysis è gratuito?

Sì. Multimodal-Sentiment-Analysis è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è Multimodal-Sentiment-Analysis?

Multimodal-Sentiment-Analysis è disponibile con licenza Apache-2.0.

In quale linguaggio è scritto Multimodal-Sentiment-Analysis?

Multimodal-Sentiment-Analysis è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — Multimodal-Sentiment-Analysis

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=yeexiaozheng-multimodal-sentiment-analysis)](https://olud.ai/project/yeexiaozheng-multimodal-sentiment-analysis.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
OpenMythos
Una ricostruzione teorica dell'architettura Claude Mythos, costruita da principi fondamentali u…
14.7k · ai
condivideattention
scenic
Scenic: Una libreria Jax per la ricerca e oltre nella visione artificiale
3.8k · attention
condivideattention
self-attention-cv
Implementazione di vari meccanismi di auto-attenzione focalizzati sulla visione artificiale. Re…
1.2k · artificial-intelligence
condivideattention
performer-pytorch
Un'implementazione di Performer, un trasformatore basato su attenzione lineare, in Pytorch.
1.2k · artificial-intelligence
condivideattention
lambda-networks
Implementazione di LambdaNetworks, un nuovo approccio al riconoscimento delle immagini che ragg…
1.5k · artificial-intelligence
condivideattention
transfusion-pytorch
Implementazione in Pytorch di Transfusion, "Prevedi il prossimo token e diffondi immagini con u…
1.4k · artificial-intelligence
condivideattention
SimpleCVReproduction
Replicazione di semplici progetti CV tra cui attenzione, classificazione, rilevamento, rilevame…
1.3k · attention
condivideattention
attention-is-all-you-need-pytorch
Un'implementazione PyTorch del modello Transformer in "Attention is All You Need".
9.8k · attention
condivideattention
Deepdive-llama3-from-scratch
Raggiungi il passo di inferenza llama3 passo dopo passo, afferra i concetti fondamentali, padro…
631 · attention
condivideattention
annotated_deep_learning_paper_implementations
🧑‍🏫 60+ Implementazioni/tutorial di articoli di deep learning con note affiancate 📝; inclusi tr…
67.1k · attention
condivideattention

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.