Panasonic desenvolupa dues tecnologies avançades d'IA
Acceptat per CVPR2021,
la Conferència Internacional de Tecnologia d'IA líder mundial
[1] Home Action Genome: Contrastive Compositional Action Understanding
Ens complau anunciar que hem desenvolupat un nou conjunt de dades "Home Action Genome" que recull les activitats diàries dels humans a les seves llars mitjançant diversos tipus de sensors, com ara càmeres, micròfons i sensors tèrmics. Hem construït i publicat 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 de petita escala. Mitjançant l'aplicació d'aquest conjunt de dades, els investigadors d'IA poden utilitzar-lo com a dades d'entrenament per a l'aprenentatge automàtic i la investigació d'IA per donar suport a les persones a l'espai vital.
A més de l'anterior, hem desenvolupat una tecnologia d'aprenentatge cooperatiu per al reconeixement jeràrquic de l'activitat des de punts de vista multimodals i múltiples. Mitjançant l'aplicació d'aquesta tecnologia, podem aprendre característiques coherents entre diferents punts de vista, sensors, comportaments jeràrquics i etiquetes detallades de comportament, i així millorar el rendiment de reconeixement d'activitats complexes en espais de vida.
Aquesta tecnologia és el resultat de la investigació realitzada en col·laboració entre el Digital AI Technology Center, la divisió de tecnologia i el Stanford Vision and Learning Lab de la Universitat de Stanford.
Figura 1: Comprensió d'acció compositiva cooperativa (CCAU) La formació cooperativa de totes les modalitats juntes ens permet veure un rendiment millorat.
Utilitzem la formació utilitzant etiquetes d'acció atòmica i de nivell de vídeo per permetre que tant els vídeos com les accions atòmiques es beneficiïn de les interaccions compositives entre ambdues.
[2] AutoDO: augment automàtic robust per a dades esbiaixades amb soroll d'etiquetes mitjançant una diferenciació implícita probabilística escalable
També ens complau anunciar que hem desenvolupat una nova tecnologia d'aprenentatge automàtic que realitza automàticament un augment de dades òptim segons la distribució de les dades d'entrenament. 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 d'IA a causa de les limitacions de les dades disponibles. Mitjançant l'aplicació d'aquesta tecnologia, es pot eliminar el procés d'ajust dels paràmetres d'augment de dades i els paràmetres es poden ajustar automàticament. Per tant, es pot esperar que el rang d'aplicació de la tecnologia d'IA es pugui estendre més àmpliament. En el futur, accelerant encara més la investigació i el desenvolupament d'aquesta tecnologia, treballarem per realitzar tecnologia d'IA que es pugui utilitzar en entorns del món real, com ara dispositius i sistemes familiars. Aquesta tecnologia és el resultat de la investigació realitzada pel Digital AI Technology Center, Technology Division, AI Laboratory de Panasonic R&D Company of America.
Figura 2: AutoDO soluciona el problema de l'augment de dades (dilema DA de política compartida). És possible que la distribució de les dades del tren augmentat (blau puntejat) no coincideixi amb les dades de prova (vermell sòlid) a l'espai latent:
"2" està subaugmentat, mentre que "5" està sobreaugmentat. Com a resultat, els mètodes anteriors no poden coincidir amb la distribució de la prova i la decisió del classificador après f(θ) és inexacta.
Els detalls d'aquestes tecnologies es presentaran a CVPR2021 (que se celebrarà a partir del 19 de juny de 2017).
El missatge anterior prové del lloc web oficial de Panasonic!
Hora de publicació: Jun-03-2021
