Panasonic razvija dve napredni AI tehnologiji,
Sprejet v CVPR2021,
vodilna svetovna mednarodna konferenca o tehnologiji AI
[1] Domači akcijski genom: kontrastno kompozicijsko dejanje razumevanje
Z veseljem sporočamo, da smo razvili nov nabor podatkov "Home Action Genome", ki zbira človekove vsakodnevne dejavnosti v njihovih domovih z uporabo več vrst senzorjev, vključno s kamerami, mikrofoni in toplotnimi senzorji. Konstruirali smo in izdali največji multimodalni nabor podatkov za življenjske prostore na svetu, medtem ko je večina naborov podatkov za bivalne prostore v obsegu majhnih. Z uporabo tega nabora podatkov ga lahko raziskovalci AI uporabljajo kot podatke o usposabljanju za strojno učenje in raziskave AI za podporo ljudem v življenjskem prostoru.
Poleg zgoraj navedenega smo razvili tehnologijo sodelovanja za učenje za prepoznavanje hierarhičnih dejavnosti na multimodalnih in več stališčih. Z uporabo te tehnologije se lahko naučimo doslednih značilnosti med različnimi stališči, senzorji, hierarhičnim vedenjem in podrobnimi nalepkami vedenja ter s tem izboljšamo prepoznavno uspešnost zapletenih dejavnosti v bivalnih prostorih.
Ta tehnologija je rezultat raziskav v sodelovanju med digitalnim tehnološkim centrom AI, tehnološkim oddelkom in laboratorijem Stanford Vision and Learning na univerzi Stanford.
Slika1: Kooperativno kompozicijsko razumevanje dejanj (CCAU) Kooperativno usposabljanje vseh načinov skupaj nam omogoča, da opazimo izboljšano delovanje.
Trening uporabljamo s pomočjo nalepk na ravni video in atomske akcije, da omogočimo, da so videoposnetki in atomske dejanja izkoristili kompozicijske interakcije med obema.
[2] Autodo: robustno samodejno uveljavitev za pristranske podatke s hrupom nalepk s prilagodljivo verjetnostno implicitno diferenciacijo
Prav tako z veseljem sporočamo, da smo razvili novo tehnologijo strojnega učenja, ki samodejno izvaja optimalno povečanje podatkov glede na porazdelitev podatkov o usposabljanju. To tehnologijo lahko uporabimo za situacije v resničnem svetu, kjer so razpoložljivi podatki zelo majhni. Na naših glavnih poslovnih področjih je veliko primerov, kjer je težko uporabiti tehnologijo AI zaradi omejitev razpoložljivih podatkov. Z uporabo te tehnologije je mogoče odpraviti postopek nastavitve parametrov povečanja podatkov in parametre lahko samodejno prilagodimo. Zato je mogoče pričakovati, da se lahko obseg aplikacije tehnologije AI širše širi. V prihodnosti si bomo z nadaljnjim pospeševanjem raziskav in razvoja te tehnologije delali pri uresničevanju tehnologije AI, ki jo je mogoče uporabiti v resničnih okoljih, kot so znane naprave in sistemi. Ta tehnologija je rezultat raziskav, ki jih je izvedel Digital AI Technology Center, Technology Division, AI Laboratory iz Panasonic R&D Company of America.
Slika 2: Autodo rešuje problem povečanja podatkov (dilema skupne politike DA). Porazdelitev razširjenih podatkov vlakov (črtkana modra) se ne more ujemati s preskusnimi podatki (trdno rdeča) v latentnem prostoru:
"2" je premalo avgumen, medtem ko je "5" prekomerno uvlečeno. Posledično se predhodne metode ne morejo ujemati s preskusno porazdelitvijo in odločitev naučenega klasifikatorja F (θ) je netočna.
Podrobnosti o teh tehnologijah bodo predstavljene na CVPR2021 (potekajo od 19. junija 2017).
Zgornje sporočilo prihaja na uradni spletni strani Panasonic!
Čas objave: junij-03-2021
