Panasonic разработва две модерни AI технологии,
Приет в CVPR2021,
водещата в света международна технологична конференция за изкуствен интелект
[1] Геном на домашното действие: разбиране на контрастното композиционно действие
Имаме удоволствието да съобщим, че разработихме нов набор от данни „Home Action Genome“, който събира ежедневните дейности на хората в домовете им с помощта на няколко вида сензори, включително камери, микрофони и термични сензори.Създадохме и пуснахме най-големия в света мултимодален набор от данни за жилищни пространства, докато повечето набори от данни за жилищни пространства са с малък мащаб.Чрез прилагането на този набор от данни изследователите на AI могат да го използват като данни за обучение за машинно обучение и AI изследвания в подкрепа на хората в жизнено пространство.
В допълнение към горното, ние разработихме технология за съвместно обучение за разпознаване на йерархична дейност в мултимодални и множество гледни точки.Чрез прилагането на тази технология можем да научим последователни характеристики между различни гледни точки, сензори, йерархично поведение и подробни етикети на поведението и по този начин да подобрим ефективността на разпознаване на сложни дейности в жилищните пространства.
Тази технология е резултат от изследване, проведено в сътрудничество между Digital AI Technology Center, Technology Division, и Stanford Vision and Learning Lab към Станфордския университет.
Фигура 1: Кооперативно разбиране на композиционното действие (CCAU) Кооперативното обучение на всички модалности заедно ни позволява да видим подобрена производителност.
Ние използваме обучение, използвайки етикети както на ниво видео, така и на атомарни действия, за да позволим както на видеоклиповете, така и на атомарните действия да се възползват от композиционните взаимодействия между двете.
[2] AutoDO: Надеждно автоматично допълване за предубедени данни с шум от етикети чрез мащабируема вероятностна имплицитна диференциация
Също така имаме удоволствието да съобщим, че разработихме нова технология за машинно обучение, която автоматично извършва оптимално увеличаване на данните според разпределението на данните за обучение.Тази технология може да се приложи в реални ситуации, където наличните данни са много малко.Има много случаи в нашите основни бизнес области, където е трудно да се приложи AI технология поради ограниченията на наличните данни.Чрез прилагането на тази технология процесът на настройка на параметрите за увеличаване на данните може да бъде елиминиран и параметрите могат да бъдат коригирани автоматично.Следователно може да се очаква, че обхватът на приложение на AI технологията може да се разпространи по-широко.В бъдеще, чрез допълнително ускоряване на изследванията и развитието на тази технология, ние 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 изследване, проведено от Digital AI Technology Center, Technology Division, AI Laboratory на Panasonic R&D Company of America.
Фигура 2: AutoDO решава проблема с увеличаването на данните (дилема за споделена политика DA). Разпределението на разширените данни за влака (пунктирано синьо) може да не съвпада с тестовите данни (непрекъснато червено) в латентното пространство:
„2“ е недостатъчно увеличено, докато „5“ е свръхувеличено.В резултат на това предишните методи не могат да съответстват на тестовото разпределение и решението на научения класификатор f(θ) е неточно.
Подробностите за тези технологии ще бъдат представени на CVPR2021 (ще се проведе от 19 юни 2017 г.).
Горното съобщение идва от официалния уебсайт на Panasonic!
Време на публикуване: 3 юни 2021 г
