Panasonic vyvíja dve pokročilé technológie AI,
Prijaté na CVPR2021,
Vedúca svetová medzinárodná technologická konferencia AI
[1] Genóm domácich akcií: Kontrastné porozumenie zloženia
S potešením oznamujeme, že sme vyvinuli nový dátový súbor „domáci akčný genóm“, ktorý zhromažďuje denné aktivity človeka vo svojich domovoch pomocou niekoľkých typov senzorov vrátane kamier, mikrofónov a tepelných senzorov. Postavili sme a vydali najväčší multimodálny súbor údajov pre obytné priestory na svete, zatiaľ čo väčšina súborov údajov pre obytné priestory bola malá v mierke. Uplatňovaním tohto súboru údajov môžu vedci AI používať ako školiace údaje pre strojové učenie a výskum AI na podporu ľudí v životnom priestore.
Okrem vyššie uvedeného sme vyvinuli technológiu kooperatívneho vzdelávania pre rozpoznávanie hierarchických aktivít vo multimodálnych a viacerých stanoviskách. Uplatňovaním tejto technológie sa môžeme naučiť konzistentné vlastnosti medzi rôznymi hľadiskami, senzormi, hierarchickým správaním a podrobnými štítkami správania, a tým zlepšiť rozpoznávanie zložitých aktivít v živých priestoroch.
Táto technológia je výsledkom výskumu vykonaného v spolupráci medzi technologickým centrom AI, technologickým divíziou a Stanfordským víziou a vzdelávacím laboratóriom na Stanfordskej univerzite.
Obrázok1: Kooperatívne porozumenie kompozície akcie (CCAU) Kooperatívne školenie VŠETKY MODALITY DOBRÉ MOHLI VÝSLAVIŤ Zlepšený výkon.
Využívame tréning pomocou štítkov na úrovni videa a atómovej akcie, aby sme umožnili videá aj atómové akcie, ktoré majú úžitok z kompozičných interakcií medzi nimi.
[2] Autodo: Robustné automatické autoaugment pre skreslené údaje s šumom štítku prostredníctvom škálovateľnej pravdepodobnostnej implicitnej diferenciácie
S potešením oznamujeme, že sme vyvinuli novú technológiu strojového učenia, ktorá automaticky vykonáva optimálne zväčšovanie údajov podľa distribúcie údajov o školeniach. Túto technológiu je možné uplatniť na situácie v reálnom svete, kde sú dostupné údaje veľmi malé. V našich hlavných obchodných oblastiach je veľa prípadov, kde je ťažké uplatniť technológiu AI z dôvodu obmedzení dostupných údajov. Uplatňovaním tejto technológie je možné eliminovať proces ladenia parametrov zvyšovania údajov a parametre sa dajú automaticky upraviť. Preto sa dá očakávať, že rozsah aplikácií technológie AI sa môže rozšíriť širšie. V budúcnosti budeme ďalším zrýchlením výskumu a vývoja tejto technológie pracovať na realizácii technológie AI, ktorá sa dá použiť v prostrediach v reálnom svete, ako sú známe zariadenia a systémy. Táto technológia je výsledkom výskumu vykonaného Digital AI Technology Center, Division Technology, AI Laboratory spoločnosti Panasonic R&D Company of America.
Obrázok 2: Autodo rieši problém zväčšenia údajov (zdieľaná dilema zdieľanej politiky). Distribúcia rozšírených údajov o vlakoch (prerušovaná modrá) sa nemusí zhodovať s testovacími údajmi (pevná červená) v latentnom priestore:
„2“ je nedostatočne autorské, zatiaľ čo „5“ je nafúknutý. Výsledkom je, že predchádzajúce metódy nemôžu zodpovedať rozdeleniu testu a rozhodnutie naučeného klasifikátora F (9) je nepresné.
Podrobnosti o týchto technológiách budú uvedené na CVPR2021 (sa budú konať od 19. júna 2017).
Vyššie uvedená správa pochádza z oficiálnej webovej stránky Panasonic!
Čas príspevku: jún-03-2021
