Panasonic vyvíjí dvě pokročilé technologie umělé inteligence,
Přijato do CVPR2021,
přední světová mezinárodní konference o technologiích umělé inteligence
[1] Domů Akční genom: Porozumění kontrastnímu kompozičnímu jednání
S potěšením oznamujeme, že jsme vyvinuli novou datovou sadu „Home Action Genome“, která shromažďuje údaje o každodenních aktivitách lidí v jejich domovech pomocí několika typů senzorů, včetně kamer, mikrofonů a teplotních senzorů. Vytvořili a zveřejnili jsme 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 v oblasti umělé inteligence využít jako trénovací data pro strojové učení a výzkum umělé inteligence na podporu lidí v obytných prostorech.
Kromě výše uvedeného jsme vyvinuli technologii kooperativního učení pro hierarchické rozpoznávání aktivit v multimodálních a více úhlech pohledu. Aplikací této technologie se můžeme učit konzistentní vlastnosti mezi různými úhly pohledu, senzory, hierarchickým chováním a detailními popisky chování, a tím zlepšit výkon rozpoznávání složitých aktivit v obytných prostorech.
Tato technologie je výsledkem výzkumu provedeného ve spolupráci mezi Centrem pro digitální technologie umělé inteligence, technologickou divizí a Stanfordskou laboratoří pro vizuální a vzdělávací účely na Stanfordské univerzitě.
Obrázek 1: Kooperativní porozumění kompoziční akci (CCAU) Společné trénování všech modalit nám umožňuje vidět lepší výkon.
Využíváme trénování s využitím popisků akcí na úrovni videa i atomických akcí, abychom umožnili videím i atomickým akcím těžit z kompozičních interakcí mezi nimi.
[2] AutoDO: Robustní automatické rozšíření pro zkreslená data s šumem popisků pomocí škálovatelné pravděpodobnostní implicitní diferenciace
S potěšením oznamujeme, že jsme vyvinuli novou technologii strojového učení, která automaticky provádí optimální rozšiřování dat podle distribuce trénovacích dat. Tuto technologii lze aplikovat v reálných situacích, kde je dostupných dat velmi málo. V našich hlavních obchodních oblastech existuje mnoho případů, kdy je obtížné aplikovat technologii umělé inteligence kvůli omezením dostupných dat. Aplikací této technologie lze eliminovat proces ladění parametrů rozšiřování dat a parametry lze upravovat automaticky. Lze proto očekávat, že se rozsah použití technologie umělé inteligence rozšíří. V budoucnu budeme dalším urychlením výzkumu a vývoje této technologie pracovat na realizaci technologie umělé inteligence, kterou lze použít v reálných prostředích, jako jsou známá zařízení a systémy. Tato technologie je výsledkem výzkumu provedeného Centrem pro digitální technologie umělé inteligence, Technologickou divizí, Laboratoří umělé inteligence společnosti Panasonic R&D Company of America.
Obrázek 2: AutoDO řeší problém rozšiřování dat (dilema DA se sdílenou politikou). Distribuce rozšířených vlakových dat (přerušovaná modrá) se nemusí shodovat s testovacími daty (plná červená) v latentním prostoru:
„2“ je nedostatečně rozšířené, zatímco „5“ je nadměrně rozšířené. V důsledku toho se předchozí metody nemohou shodovat s testovacím rozdělením a rozhodnutí naučeného klasifikátoru f(θ) je nepřesné.
Podrobnosti o těchto technologiích budou prezentovány na veletrhu CVPR2021 (který se bude konat od 19. června 2017).
Výše uvedená zpráva pochází z oficiálních webových stránek společnosti Panasonic!
Čas zveřejnění: 3. června 2021
