Pendekatan pembelajaran mendalam multi-model untuk pemahaman gambar dan teks Dengan kemajuan “pembelajaran mendalam” seperti “jaringan saraf konvolusional” (yaitu, “ConvNet”) [1], “visi komputer” kembali menjadi topik penelitian ilmiah yang hangat. Salah satu tujuan utama visi komputer saat ini adalah menggunakan pembelajaran mesin (terutama pembelajaran mendalam) untuk melatih komputer agar memperoleh pemahaman tingkat manusia dari gambar digital, teks, atau video. Dengan..