Panasonic desenvolupa dues tecnologies avançades d'IA,
Acceptat a CVPR2021,
la conferència internacional líder mundial en tecnologia d'IA
[1] Inici Acció Genoma: Comprensió de l'acció composicional contrastiva
Ens complau anunciar que hem desenvolupat un nou conjunt de dades "Genoma d'acció a la llar" que recopila 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 dels conjunts de dades per a espais habitables han estat a petita escala. Aplicant aquest conjunt de dades, els investigadors d'IA poden utilitzar-lo com a dades d'entrenament per a l'aprenentatge automàtic i la investigació en IA per donar suport a les persones en espais habitables.
A més de l'anterior, 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 així millorar el rendiment del reconeixement d'activitats complexes en espais habitables.
Aquesta tecnologia és el resultat d'una investigació duta a terme en col·laboració entre el Digital AI Technology Center, la Technology Division, i el Stanford Vision and Learning Lab de la Universitat de Stanford.
Figura 1: Comprensió de l'acció composicional cooperativa (CCAU). L'entrenament cooperatiu de totes les modalitats juntes ens permet veure un millor rendiment.
Utilitzem l'entrenament amb etiquetes d'acció atòmica i a nivell de vídeo per permetre que tant els vídeos com les accions atòmiques es beneficiïn de les interaccions composicionals entre tots dos.
[2] AutoDO: AutoAugment robust per a dades esbiaixades amb soroll d'etiquetes mitjançant diferenciació implícita probabilística escalable
També ens complau anunciar que hem desenvolupat una nova tecnologia d'aprenentatge automàtic que realitza automàticament un augment òptim de dades 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. Aplicant 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 aconseguir una 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 duta a terme pel Centre de Tecnologia d'IA Digital, Divisió de Tecnologia, Laboratori d'IA de Panasonic R&D Company of America.
Figura 2: AutoDO resol el problema de l'augment de dades (dilema DA de política compartida). La distribució de les dades del tren augmentades (blau discontinu) pot no coincidir 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 prova i la decisió del classificador après f(θ) és inexacta.
Els detalls d'aquestes tecnologies es presentaran a la CVPR2021 (que se celebrarà a partir del 19 de juny de 2017).
El missatge anterior prové del lloc web oficial de Panasonic!
Data de publicació: 03 de juny de 2021
