Panasonic vyvíjí dvě pokročilé technologie AI,
Přijato na CVPR2021,
přední světová mezinárodní konference o technologii AI
[1] Domácí akční genom: Porozumění kontrastnímu složení akce
S potěšením oznamujeme, že jsme vyvinuli nový datový soubor „Home Action Genome“, který shromažďuje lidské každodenní aktivity ve svých domovech pomocí několika typů senzorů, včetně kamer, mikrofonů a tepelných senzorů. Postavili jsme a vydali jsme největší multimodální datový soubor na světě pro obytné prostory, zatímco většina datových sad pro obytné prostory byla v měřítku malá. Použitím tohoto datového souboru mohou vědci AI využít jako školení pro strojové učení a výzkum AI na podporu lidí v obytném prostoru.
Kromě výše uvedeného jsme vyvinuli technologii kooperativní učení pro rozpoznávání hierarchické aktivity v multimodálních a vícenásobných pohledech. Použitím této technologie se můžeme naučit konzistentní rysy mezi různými hlediskami, senzory, hierarchickým chováním a podrobným štítkem chování, a tak zlepšit rozpoznávací výkonnost složitých činností v obytných prostorech.
Tato technologie je výsledkem výzkumu prováděného ve spolupráci mezi technologickým centrem Digital AI, technologickou divizí a Laboratoř Stanford Vision and Learning Lab na Stanfordské univerzitě.
Obrázek 1: Kooperativní kompoziční porozumění (CCAU) spolupracuje všechny způsoby společně nám umožňuje vidět zlepšený výkon.
Využíváme trénink pomocí štítků na úrovni videa i atomové akce, abychom umožnili jak videím, tak atomovým akcím těžit z kompozičních interakcí mezi nimi.
[2] Autodo: Robustní autoaugment pro zkreslená data s štítkem štítkem pomocí škálovatelné pravděpodobnostní implicitní diferenciace
S potěšením také oznamujeme, že jsme vyvinuli novou technologii strojového učení, která automaticky provádí optimální augmentaci dat podle distribuce tréninkových dat. Tuto technologii lze aplikovat na situace v reálném světě, kde jsou dostupné údaje velmi malé. V našich hlavních obchodních oblastech je mnoho případů, kde je obtížné aplikovat technologii AI kvůli omezením dostupných údajů. Použitím této technologie lze eliminovat proces ladění parametrů augmentace dat a parametry lze automaticky upravit. Lze tedy očekávat, že rozsah aplikací technologie AI lze šířit širší. V budoucnu budeme dalším zrychlením výzkumu a vývoje této technologie usilovat o realizaci technologie AI, kterou lze použít v prostředích v reálném světě, jako jsou známá zařízení a systémy. Tato technologie je výsledkem výzkumu prováděného Technologním centrem Digital AI, Technology Division, AI Laboratory of Panasonic Re -D & D Company of America.
Obrázek 2: Autodo řeší problém augmentace dat (sdílená politika DA dilema). Distribuce rozšířených dat vlaku (přerušovaná modrá) nemusí odpovídat testovacím datům (pevná červená) v latentním prostoru:
„2“ je pod srpna, zatímco „5“ je přehnaně vyvolán. Výsledkem je, že předchozí metody nemohou odpovídat distribuci testu a rozhodnutí naučeného klasifikátoru F (9) je nepřesné.
Podrobnosti o těchto technologiích budou uvedeny na CVPR2021 (bude se konat od 19. června 2017).
Výše uvedená zpráva pochází z oficiálních webových stránek Panasonic!
Čas příspěvku: červen-03-2021
