Panasonic razvija dvije napredne AI tehnologije,
Prihvaćen na CVPR2021,
vodeća svjetska međunarodna tehnološka konferencija AI
[1] Genom početne radnje: Razumijevanje kontrastne kompozicijske radnje
Sa zadovoljstvom objavljujemo da smo razvili novi skup podataka "Home Action Genome" koji prikuplja dnevne aktivnosti ljudi u njihovim domovima pomoću nekoliko vrsta senzora, uključujući kamere, mikrofone i toplinske senzore. Konstruirali smo i objavili najveći svjetski multimodalni skup podataka za stambene prostore, dok je većina skupova podataka za stambene prostore bila malih razmjera. Primjenom ovog skupa podataka istraživači umjetne inteligencije mogu ih koristiti kao podatke za obuku za strojno učenje i istraživanje umjetne inteligencije za podršku ljudima u životnom prostoru.
Uz gore navedeno, razvili smo tehnologiju kooperativnog učenja za hijerarhijsko prepoznavanje aktivnosti u multimodalnom i višestrukom pogledu. Primjenom ove tehnologije možemo naučiti dosljedne značajke između različitih točaka gledišta, senzora, hijerarhijskih ponašanja i detaljnih oznaka ponašanja i tako poboljšati izvedbu prepoznavanja složenih aktivnosti u životnim prostorima.
Ova je tehnologija rezultat istraživanja provedenog u suradnji između Digital AI Technology Center, Technology Division i Stanford Vision and Learning Lab na Sveučilištu Stanford.
Slika 1: Kooperativno razumijevanje kompozicijske akcije (CCAU) Kooperativno treniranje svih modaliteta zajedno omogućuje nam da vidimo poboljšanu izvedbu.
Koristimo obuku korištenjem oznaka na razini videozapisa i atomskih radnji kako bismo omogućili da i videozapisi i atomske radnje imaju koristi od kompozicijske interakcije između to dvoje.
[2] AutoDO: Robust AutoAugment za pristrane podatke s šumom oznake putem skalabilne probabilističke 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 u kojima je teško primijeniti AI tehnologiju zbog ograničenja dostupnih podataka. Primjenom ove tehnologije može se eliminirati proces podešavanja parametara povećanja podataka, a parametri se mogu automatski podešavati. Stoga se može očekivati da se raspon primjene AI tehnologije može proširiti šire. U budućnosti, daljnjim ubrzanjem istraživanja i razvoja ove tehnologije, radit ćemo na realizaciji AI tehnologije koja se može koristiti u okruženjima stvarnog svijeta kao što su poznati uređaji i sustavi. Ova je tehnologija rezultat istraživanja koje je proveo Digital AI Technology Center, Technology Division, AI Laboratory Panasonic R&D Company of America.
Slika 2: AutoDO rješava problem proširenja podataka (dilema DA dijeljene politike). distribucija proširenih podataka o vlaku (isprekidano plavo) možda neće odgovarati testnim podacima (puno crveno) u latentnom prostoru:
"2" je nedovoljno uvećan, dok je "5" previše uvećan. Kao rezultat toga, prethodne metode ne mogu odgovarati distribuciji testa i odluka naučenog klasifikatora f(θ) je netočna.
Detalji ovih tehnologija bit će predstavljeni na CVPR2021 (koji će se održati od 19. lipnja 2017.).
Gornja poruka dolazi sa službene web stranice Panasonica!
Vrijeme objave: 3. lipnja 2021
