Panasonic разработва две напреднали AI технологии,
Приети в CVPR2021,
Водещата световна международна конференция за AI технологии
[1] Геном на домашното действие: Разбиране на контрастиращо композиционно действие
С удоволствие съобщаваме, че сме разработили нов набор от данни за домашно действие, който събира ежедневните дейности на човека в домовете си, използвайки няколко вида сензори, включително камери, микрофони и термични сензори. Конструирахме и пуснахме най -големия в света мултимодален набор от данни за жилищни пространства, докато повечето набори от данни за жилищни пространства са малки по мащаб. Прилагайки този набор от данни, изследователите на AI могат да го използват като данни за обучение за машинно обучение и AI изследвания, за да подкрепят хората в жилищното пространство.
В допълнение към горното, ние разработихме съвместна технология за обучение за разпознаване на йерархична дейност в мултимодални и множество гледни точки. Прилагайки тази технология, можем да научим последователни характеристики между различни гледни точки, сензори, йерархично поведение и подробни етикети за поведение и по този начин да подобрим ефективността на разпознаването на сложни дейности в жилищните пространства.
Тази технология е резултат от изследвания, проведени в сътрудничество между Центъра за дигитален ИИ технологичен център, отдел „Технологично“ и лабораторията „Станфорд Визия и обучение“ в университета в Станфорд.
Фигура 1: Кооперативното разбиране на композиционните действия (CCAU) съвместно обучение на всички модалности заедно ни позволява да виждаме подобрена ефективност.
Използваме тренировки, използвайки както видео, така и атомни етикети за действие, за да позволим както на видеоклиповете, така и атомните действия да се възползват от композиционните взаимодействия между двете.
[2] Autodo: Здрав автоматичен аугумент за предубедени данни с шум от етикета чрез мащабируемо вероятностно имплицитно диференциация
Също така с удоволствие съобщаваме, че сме разработили нова технология за машинно обучение, която автоматично извършва оптимално увеличаване на данните според разпространението на данните за обучение. Тази технология може да бъде приложена към ситуации в реалния свят, където наличните данни са много малки. В основните ни бизнес области има много случаи, където е трудно да се приложи AI технология поради ограниченията на наличните данни. Чрез прилагането на тази технология може да бъде елиминиран процесът на настройка на параметрите за увеличаване на данните и параметрите могат да бъдат коригирани автоматично. Следователно може да се очаква, че диапазонът на приложението на AI технологията може да бъде разпространен по -широко. В бъдеще, като допълнително ускоряваме изследванията и развитието на тази технология, ще работим за реализиране на AI технология, която може да се използва в реални среди като познати устройства и системи. Тази технология е резултат от изследвания, проведени от Центъра за дигитален AI Technology, технологичен отдел, AI лаборатория на Panasonic R&D Company of America.
Фигура 2: Autodo решава проблема с увеличаването на данните (споделена политика DA Dilemma). Разпределението на разширените данни на влака (пунктирано синьо) може да не съответства на тестовите данни (плътно червено) в латентното пространство:
"2" е с недостатъци, докато "5" е преувеличен. В резултат на това предишните методи не могат да съответстват на разпределението на теста и решението на учения класификатор F (θ) е неточно.
Подробностите за тези технологии ще бъдат представени на CVPR2021 (ще се проведе от 19 юни 2017 г.).
По -горе съобщението идва от официалния уебсайт на Panasonic!
Време за публикация: юни-03-2021
