Panasonic dezvoltă două tehnologii avansate AI,
Acceptat la CVPR2021,
Conferința internațională de top în domeniul tehnologiei AI
[1] Home Action Genome: Contrastive Compositional Action Understanding
Suntem încântați să anunțăm că am dezvoltat un nou set de date „Home Action Genome” care colectează activitățile zilnice ale oamenilor în casele lor folosind mai multe tipuri de senzori, inclusiv camere, microfoane și senzori termici.Am construit și lansat cel mai mare set de date multimodal din lume pentru spațiile de locuit, în timp ce cele mai multe seturi de date pentru spațiile de locuit au fost la scară mică.Prin aplicarea acestui set de date, cercetătorii AI îl pot folosi ca date de instruire pentru învățarea automată și cercetarea AI pentru a sprijini oamenii în spațiul de locuit.
În plus față de cele de mai sus, am dezvoltat o tehnologie de învățare prin cooperare pentru recunoașterea ierarhică a activității în puncte de vedere multimodale și multiple.Prin aplicarea acestei tehnologii, putem învăța caracteristici consistente între diferite puncte de vedere, senzori, comportamente ierarhice și etichete detaliate de comportament și, astfel, îmbunătățim performanța de recunoaștere a activităților complexe din spațiile de locuit.
Această tehnologie este rezultatul cercetărilor efectuate în colaborare între Digital AI Technology Center, Divizia de tehnologie și Stanford Vision and Learning Lab de la Universitatea Stanford.
Figura 1: Înțelegerea acțiunii compoziționale prin cooperare (CCAU) Antrenarea în mod cooperativ a tuturor modalităților împreună ne permite să vedem o performanță îmbunătățită.
Folosim formarea folosind atât etichete la nivel video, cât și etichete de acțiune atomică pentru a permite atât videoclipurilor, cât și acțiunilor atomice să beneficieze de interacțiunile compoziționale dintre cele două.
[2] AutoDO: AutoAugment robust pentru date părtinitoare cu zgomot de etichetă prin diferențierea implicită probabilistică scalabilă
De asemenea, suntem încântați să anunțăm că am dezvoltat o nouă tehnologie de învățare automată care realizează automat creșterea optimă a datelor în funcție de distribuția datelor de antrenament.Această tehnologie poate fi aplicată situațiilor din lumea reală, în care datele disponibile sunt foarte mici.Există multe cazuri în principalele noastre domenii de activitate, în care este dificil să se aplice tehnologia AI din cauza limitărilor datelor disponibile.Prin aplicarea acestei tehnologii, procesul de reglare a parametrilor de mărire a datelor poate fi eliminat, iar parametrii pot fi ajustați automat.Prin urmare, se poate aștepta ca domeniul de aplicare a tehnologiei AI să fie răspândit mai larg.În viitor, prin accelerarea în continuare a cercetării și dezvoltării acestei tehnologii, vom lucra pentru a realiza o tehnologie AI care poate fi utilizată în medii reale, cum ar fi dispozitivele și sistemele familiare.Această tehnologie este rezultatul cercetărilor efectuate de Digital AI Technology Center, Divizia de tehnologie, AI Laboratory al Panasonic R&D Company of America.
Figura 2: AutoDO rezolvă problema creșterii datelor (dilema DA cu politici partajate). distribuția datelor de tren augmentate (albastru întrerupt) poate să nu se potrivească cu datele de testare (roșu continuu) în spațiul latent:
„2” este sub-amplificat, în timp ce „5” este supra-amplificat.Ca urmare, metodele anterioare nu se pot potrivi cu distribuția testului și decizia clasificatorului învățat f(θ) este inexactă.
Detaliile acestor tehnologii vor fi prezentate la CVPR2021 (care va avea loc din 19 iunie 2017).
Mesajul de mai sus vine de pe site-ul oficial Panasonic!
Ora postării: 03-jun-2021
