A Panasonic két fejlett mesterséges intelligencia technológiát fejleszt,
Elfogadva a CVPR2021-ben,
a világ vezető nemzetközi AI technológiai konferenciája
[1] Otthoni akciógenom: Kontrasztív kompozíciós akciómegértés
Örömmel jelentjük be, hogy kifejlesztettünk egy új adatkészletet, a "Home Action Genome"-t, amely összegyűjti az emberek otthoni napi tevékenységeit többféle érzékelő segítségével, beleértve a kamerákat, mikrofonokat és hőérzékelőket. Elkészítettük és kiadtuk a világ legnagyobb életterekre vonatkozó multimodális adatkészletét, míg a legtöbb lakóterekre vonatkozó adatkészlet kis léptékű. Ennek az adathalmaznak az alkalmazásával az AI-kutatók képzési adatként használhatják fel a gépi tanuláshoz és az AI-kutatáshoz, hogy támogassák az embereket az élettérben.
A fentieken kívül kifejlesztettünk egy kooperatív tanulási technológiát a hierarchikus tevékenységfelismeréshez multimodális és több szempontból is. A technológia alkalmazásával konzisztens jellemzőket tanulhatunk meg a különböző nézőpontok, érzékelők, hierarchikus viselkedések és részletes viselkedési címkék között, és ezáltal javíthatjuk a komplex tevékenységek felismerési teljesítményét a lakóterekben.
Ez a technológia a Digital AI Technology Center Technology Division és a Stanford Egyetem Stanford Vision and Learning Labja együttműködésében végzett kutatás eredménye.
1. ábra: Együttműködő kompozíciós cselekvés megértése (CCAU) Az összes modalitás kooperatív képzése lehetővé teszi számunkra, hogy jobb teljesítményt érjünk el.
Videoszintű és atomi cselekvési címkéket is használunk, hogy a videók és az atomi akciók is profitálhassanak a kettő közötti kompozíciós kölcsönhatásból.
[2] AutoDO: Robusztus automatikus kiegészítés torzított adatokhoz címkezajjal skálázható valószínűségi implicit differenciálás révén
Örömmel jelentjük továbbá, hogy kifejlesztettünk egy új gépi tanulási technológiát, amely a képzési adatok eloszlásának megfelelően automatikusan elvégzi az optimális adatkiegészítést. Ez a technológia valós helyzetekben alkalmazható, ahol a rendelkezésre álló adatok nagyon kicsik. Fő üzleti területeinken számos olyan eset van, amikor az AI technológia alkalmazása a rendelkezésre álló adatok korlátai miatt nehézkes. A technológia alkalmazásával az adatkiegészítési paraméterek hangolási folyamata kiküszöbölhető, a paraméterek automatikusan beállíthatók. Ezért várható, hogy az AI technológia alkalmazási köre szélesebb körben elterjedhet. A jövőben e technológia kutatásának és fejlesztésének további felgyorsításával azon fogunk dolgozni, hogy olyan mesterséges intelligencia technológiát valósítsunk meg, amely valós környezetekben, például ismerős eszközökben és rendszerekben is használható. Ez a technológia a Panasonic R&D Company of America AI Laboratory technológiai részlegének Digital AI Technology Centere által végzett kutatás eredménye.
2. ábra: Az AutoDO megoldja az adatkiegészítés problémáját (Shared-policy DA dilemma)
A "2" alulnövelt, míg az "5" túlnövelt. Ennek eredményeként a korábbi módszerek nem egyeznek a teszteloszlással, és a tanult f(θ) osztályozó döntése pontatlan.
Ezeknek a technológiáknak a részleteit a CVPR2021-en mutatják be (2017. június 19-től).
A fenti üzenet a Panasonic hivatalos weboldaláról származik!
Feladás időpontja: 2021-03-03
