Codec 在 SemEval-2022 任务 5 上的工作：多模态多 Transformer 厌女模因分类框架
计算与语言
2022-06-16 v1 人工智能
机器学习
摘要
本文描述了我们参与 SemEval 2022 竞赛任务 5（多媒体自动厌女识别）时，构建面向多模态嵌入与多标签二分类任务的通用框架的工作。由于从零预训练深度模型是耗费资源与数据的工作，我们的方法基于三种主要策略。我们组合不同的最先进架构，以从多模态输入中捕获广泛的语义信号。我们采用多任务学习方案，以能够使用来自同一知识领域的多个数据集来帮助提升模型性能。我们还使用多目标来正则化并微调不同系统组件。
引用
@article{arxiv.2206.07190,
title = {Codec at SemEval-2022 Task 5: Multi-Modal Multi-Transformer Misogynous Meme Classification Framework},
author = {Ahmed Mahran and Carlo Alessandro Borella and Konstantinos Perifanos},
journal= {arXiv preprint arXiv:2206.07190},
year = {2022}
}
备注
Accepted for publication at the 16th International Workshop on Semantic Evaluation, Task 5: MAMI - Multimedia Automatic Misogyny Identification co-located with NAACL 2022