Panasonic vyvíja dve pokročilé technológie AI

Panasonic vyvíja dve pokročilé technológie AI,
Prijaté do CVPR2021,
poprednej svetovej konferencie o technológii AI

[1] Home Action Genome: Contrassive Compositional Action Understanding

S potešením oznamujeme, že sme vyvinuli nový súbor údajov „Home Action Genome“, ktorý zhromažďuje každodenné aktivity ľudí v ich domovoch pomocou niekoľkých typov senzorov vrátane kamier, mikrofónov a tepelných senzorov. Vytvorili sme a vydali najväčší multimodálny súbor údajov pre obytné priestory na svete, pričom väčšina súborov údajov pre obytné priestory bola v malom rozsahu. Použitím tohto súboru údajov ho môžu výskumníci AI použiť ako tréningové údaje pre strojové učenie a výskum AI na podporu ľudí v životnom priestore.

Okrem vyššie uvedeného sme vyvinuli technológiu kooperatívneho učenia pre hierarchické rozpoznávanie aktivít v multimodálnych a viacnásobných uhloch pohľadu. Aplikáciou tejto technológie sa môžeme naučiť konzistentné funkcie medzi rôznymi uhlami pohľadu, senzormi, hierarchickým správaním a podrobnými štítkami správania, a tak zlepšiť výkon rozpoznávania zložitých činností v obytných priestoroch.
Táto technológia je výsledkom výskumu realizovaného v spolupráci medzi technologickým centrom Digital AI, technologickou divíziou a laboratóriom Stanford Vision and Learning Lab na Stanfordskej univerzite.

Obrázok 1: Porozumenie kooperatívnej kompozičnej akcie (CCAU) Spoločný tréning všetkých modalít nám umožňuje vidieť lepší výkon.
Využívame školenia s použitím štítkov na úrovni videa aj atómových akcií, aby sme umožnili videám aj atómovým akciám ťažiť z kompozičných interakcií medzi nimi.

[2] AutoDO: Robustné automatické rozšírenie pre neobjektívne údaje so šumom štítkov prostredníctvom škálovateľnej pravdepodobnostnej implicitnej diferenciácie

S potešením tiež oznamujeme, že sme vyvinuli novú technológiu strojového učenia, ktorá automaticky vykonáva optimálne rozširovanie dát podľa rozloženia tréningových dát. Táto technológia môže byť použitá v reálnych situáciách, kde sú dostupné údaje veľmi malé. Existuje mnoho prípadov v našich hlavných oblastiach podnikania, kde je ťažké aplikovať technológiu AI z dôvodu obmedzení dostupných údajov. Použitím tejto technológie je možné eliminovať proces ladenia parametrov zväčšovania údajov a parametre je možné upravovať automaticky. Dá sa preto očakávať, že aplikačný rozsah technológie AI sa môže rozšíriť. V budúcnosti, ďalším zrýchľovaním výskumu a vývoja tejto technológie, budeme pracovať na realizácii technológie AI, ktorú možno použiť v reálnych prostrediach, ako sú známe zariadenia a systémy. Táto technológia je výsledkom výskumu realizovaného Digital AI Technology Center, Technology Division, AI Laboratory of Panasonic R&D Company of America.

Obrázok 2: AutoDO rieši problém rozšírenia údajov (dilema zdieľanej politiky DA). Distribúcia rozšírených údajov o vlaku (prerušovaná modrá) sa nemusí zhodovať s testovacími údajmi (plná červená) v latentnom priestore:
„2“ je nedostatočne zväčšené, zatiaľ čo „5“ je zväčšené. V dôsledku toho sa predchádzajúce metódy nemôžu zhodovať s distribúciou testu a rozhodnutie naučeného klasifikátora f(θ) je nepresné.

 

Podrobnosti o týchto technológiách budú predstavené na CVPR2021 (ktorá sa bude konať 19. júna 2017).

Vyššie uvedená správa pochádza z oficiálnej webovej stránky spoločnosti Panasonic!


Čas odoslania: jún-03-2021