Panasonic desenvolupa dues tecnologies avançades d’AI,
Acceptat a CVPR2021,
la principal conferència internacional de tecnologia AI del món
[1] Genoma d'acció a casa: comprensió de l'acció compositiva contrastiva
Ens complau anunciar que hem desenvolupat un nou conjunt de dades "Genoma d'acció domèstica" que recull les activitats diàries humanes a les seves cases mitjançant diversos tipus de sensors, inclosos càmeres, micròfons i sensors tèrmics. Hem construït i llançat el conjunt de dades multimodal més gran del món per a espais habitables, mentre que la majoria de conjunts de dades per a espais habitables han estat petites a escala. Aplicant aquest conjunt de dades, els investigadors de l'AI poden utilitzar -lo com a dades de formació per a l'aprenentatge automàtic i la investigació de l'AI per donar suport a les persones de l'espai habitable.
A més de les anteriors, hem desenvolupat una tecnologia d’aprenentatge cooperatiu per al reconeixement d’activitats jeràrquiques en punts de vista multimodals i múltiples. Aplicant aquesta tecnologia, podem aprendre característiques consistents entre diferents punts de vista, sensors, comportaments jeràrquics i etiquetes de comportament detallades i, per tant, millorar el rendiment de reconeixement d’activitats complexes en espais habitables.
Aquesta tecnologia és el resultat de la investigació realitzada en col·laboració entre el Digital Technology Center, la divisió tecnològica i el Stanford Vision and Learning Lab de la Universitat de Stanford.
Figura 1: Comprensió de l'acció compositiva cooperativa (CCAU) Formar de forma cooperativa Totes les modalitats ens permet veure un rendiment millorat.
Utilitzem la formació mitjançant etiquetes d’acció a nivell de vídeo i atòmiques per permetre que tant els vídeos com les accions atòmiques es puguin beneficiar de les interaccions compositives entre tots dos.
[2] Autodo: autoaugment robust per a dades esbiaixades amb soroll de les etiquetes mitjançant una diferenciació implícita probabilística escalable
També ens complau anunciar que hem desenvolupat una nova tecnologia d’aprenentatge de màquines que realitza automàticament l’augment òptim de dades segons la distribució de dades de formació. Aquesta tecnologia es pot aplicar a situacions del món real, on les dades disponibles són molt petites. Hi ha molts casos a les nostres principals àrees de negoci, on és difícil aplicar la tecnologia de la IA a causa de les limitacions de les dades disponibles. Aplicant aquesta tecnologia, es pot eliminar el procés d’afinació dels paràmetres d’augment de dades i els paràmetres es poden ajustar automàticament. Per tant, es pot esperar que el rang d’aplicacions de la tecnologia d’AI es pugui difondre més àmpliament. En el futur, accelerant encara més la investigació i el desenvolupament d’aquesta tecnologia, treballarem per realitzar la tecnologia d’AI que es pot utilitzar en entorns del món real com ara dispositius i sistemes familiars. Aquesta tecnologia és el resultat de la investigació realitzada pel Digital Technology Center, Division Technology Division, AI Laboratory of Panasonic R + D Company of America.
Figura 2: Autodo soluciona el problema de l’augment de dades (dilema DA de policia compartida). La distribució de dades de tren augmentades (blau guionat) pot no coincidir amb les dades de prova (vermell sòlid) a l’espai latent:
"2" està poc aguejat, mentre que "5" està sobreaugmentada. Com a resultat, els mètodes previs no poden coincidir amb la distribució de proves i la decisió del classificador aprenent F (θ) és inexacte.
Els detalls d’aquestes tecnologies es presentaran a CVPR2021 (que se celebraran a partir del 19 de juny de 2017).
El missatge anterior prové del lloc web oficial de Panasonic.
Post Horari: 03-03-2021
