本文提出了一种适用于多模态数据的深度学习分类方法，使用联合训练两个卷积自编码器来获得紧凑的数据表示，并使用潜在表示与原点的距离作为异常分数。实验结果表明，该方法在多模态昆虫图像分类数据集上表现更好，并探讨了特征多样性正则化对性能的影响。