Panasonic vyvíjí dvě pokročilé technologie AI,
Přijato do CVPR2021,
přední světová mezinárodní konference technologie AI
[1] Home Action Genom: Contrassive Compositional Action Understanding
S potěšením oznamujeme, že jsme vyvinuli nový datový soubor „Home Action Genome“, který shromažďuje každodenní aktivity lidí v jejich domovech pomocí několika typů senzorů, včetně kamer, mikrofonů a tepelných senzorů. Vytvořili jsme a vydali největší multimodální datovou sadu na světě pro obytné prostory, zatímco většina datových sad pro obytné prostory byla malého rozsahu. Aplikací této datové sady ji mohou výzkumníci AI použít jako tréninková data pro strojové učení a výzkum AI na podporu lidí v životním prostoru.
Kromě výše uvedeného jsme vyvinuli technologii kooperativního učení pro hierarchické rozpoznávání aktivit v multimodálním a vícenásobném pohledu. Aplikací této technologie se můžeme naučit konzistentní rysy mezi různými úhly pohledu, senzory, hierarchickým chováním a podrobnými popisky chování, a tak zlepšit výkon rozpoznávání složitých činností v obytných prostorech.
Tato technologie je výsledkem výzkumu provedeného ve spolupráci mezi technologickým centrem digitální AI, technologickou divizí a laboratoří Stanford Vision and Learning Lab na Stanfordské univerzitě.
Obrázek 1: Cooperative Compositional Action Understanding (CCAU) Společný trénink všech modalit nám umožňuje vidět lepší výkon.
Využíváme školení s použitím štítků na úrovni videa i atomických akcí, abychom umožnili jak videím, tak atomickým akcím těžit z kompozičních interakcí mezi těmito dvěma.
[2] AutoDO: Robustní automatické rozšíření pro zkreslená data s šumem štítků prostřednictvím škálovatelné pravděpodobnostní implicitní diferenciace
S potěšením také oznamujeme, že jsme vyvinuli novou technologii strojového učení, která automaticky provádí optimální rozšiřování dat podle rozložení tréninkových dat. Tuto technologii lze použít v situacích reálného světa, kde jsou dostupná data velmi malá. V našich hlavních oblastech podnikání existuje mnoho případů, kdy je obtížné aplikovat technologii AI kvůli omezením dostupných dat. Aplikací této technologie lze eliminovat proces ladění parametrů augmentace dat a parametry lze upravovat automaticky. Dá se tedy očekávat, že aplikační škála AI technologie se bude moci rozšířit. V budoucnu dalším urychlením výzkumu a vývoje této technologie budeme pracovat na realizaci technologie AI, kterou lze použít v reálných prostředích, jako jsou známá zařízení a systémy. Tato technologie je výsledkem výzkumu provedeného Digital AI Technology Center, Technology Division, AI Laboratory of Panasonic R&D Company of America.
Obrázek 2: AutoDO řeší problém augmentace dat (sdílená politika DA dilema). Distribuce rozšířených dat o vlaku (přerušovaná modře) nemusí odpovídat testovacím datům (plná červená) v latentním prostoru:
"2" je pod-augmentovaná, zatímco "5" je overaugmentovaná. V důsledku toho se dřívější metody nemohou shodovat s distribucí testu a rozhodnutí naučeného klasifikátoru f(θ) je nepřesné.
Podrobnosti o těchto technologiích budou představeny na CVPR2021 (která se bude konat od 19. června 2017).
Výše uvedená zpráva pochází z oficiální stránky Panasonic!
Čas odeslání: Jun-03-2021
