Panasonic razvija dvije napredne AI tehnologije,
Prihvaćen na cvpr2021,
Vodeća svjetska međunarodna konferencija o tehnologiji AI
[1] Kućni akcijski genom: Razumijevanje kontrastivnog kompozicijskog djelovanja
Zadovoljstvo nam je što možemo objaviti da smo razvili novi skup podataka "Home Action Genome" koji u svojim domovima prikuplja svakodnevne aktivnosti ljudskog jezika koristeći nekoliko vrsta senzora, uključujući kamere, mikrofone i toplinske senzore. Izgradili smo i objavili najveći multimodalni skup podataka na svijetu za životne prostore, dok je većina skupova podataka za životne prostore bila mala. Primjenjujući ovaj skup podataka, istraživači AI mogu ga koristiti kao podatke o obuci za strojno učenje i istraživanje AI kako bi podržali ljude u živom prostoru.
Pored gore navedenog, razvili smo tehnologiju kooperativnog učenja za prepoznavanje hijerarhijskog aktivnosti na multimodalnim i višestrukim gledištima. Primjenjujući ovu tehnologiju, možemo naučiti dosljedne značajke između različitih stajališta, senzora, hijerarhijskog ponašanja i detaljnih oznaka ponašanja, te na taj način poboljšati performanse prepoznavanja složenih aktivnosti u životnim prostorima.
Ova je tehnologija rezultat istraživanja provedenih u suradnji između Digital AI tehnološkog centra, tehnološkog odjela i laboratorija za viđenje i učenje Stanforda na Sveučilištu Stanford.
Slika 1: Kooperativno kompozicijsko djelovanje razumijevanja (CCAU) Cooperativno treniranje svih modaliteta zajedno omogućava nam da vidimo poboljšane performanse.
Koristimo trening koristeći i naljepnice video-razine i atomske akcije kako bismo omogućili i videozapise i atomske radnje kako bi imali koristi od kompozicijskih interakcija između njih dvojice.
[2] Autodo: robusna autoaugment za pristrane podatke s bukom naljepnica putem skalabilne vjerojatne implicitne diferencijacije
Također nam je drago objaviti da smo razvili novu tehnologiju strojnog učenja koja automatski izvodi optimalno povećanje podataka u skladu s distribucijom podataka o obuci. Ova se tehnologija može primijeniti na situacije u stvarnom svijetu, gdje su dostupni podaci vrlo mali. Mnogo je slučajeva u našim glavnim poslovnim područjima, gdje je teško primijeniti AI tehnologiju zbog ograničenja dostupnih podataka. Primjenom ove tehnologije može se eliminirati postupak podešavanja parametara povećanja podataka, a parametri se mogu automatski prilagoditi. Stoga se može očekivati da se raspon primjene AI tehnologije može širiti šire. U budućnosti, daljnjim ubrzavanjem istraživanja i razvoja ove tehnologije, radit ćemo na realizaciji AI tehnologije koja se može koristiti u stvarnim okruženjima kao što su poznati uređaji i sustavi. Ova je tehnologija rezultat istraživanja koje je proveo Digitalni AI Technology Center, Tehnološki odjel, AI Laboratorij Panasonic R&D Company of America.
Slika 2: Autodo rješava problem povećanja podataka (DA dilema zajedničke politike). Raspodjela povećanih podataka vlaka (isprekidana plava) možda neće odgovarati testnim podacima (čvrsto crvena) u latentnom prostoru:
"2" je nedovoljno kolovoza, dok je "5" prekomjerno. Kao rezultat, prethodne metode ne mogu uskladiti testnu raspodjelu i odluka naučenog klasifikatora F (θ) je netočna.
Pojedinosti ovih tehnologija bit će predstavljeni na CVPR2021 (koji će se održati od 19. lipnja 2017.).
Gornja poruka dolazi s službene web stranice Panasonic!
Post Vrijeme: lipnja-03-2021
