Panasonic izstrādā divas progresīvas AI tehnoloģijas,
Pieņemts CVPR2021,
Pasaulē vadošā starptautiskā AI tehnoloģiju konference
[1] Mājas darbības genoms: kontrastējoša kompozīcijas darbības izpratne
Mēs ar prieku paziņojam, ka esam izstrādājuši jaunu datu kopu "mājas darbības genoms", kas savās mājās savāc ikdienas aktivitātes, izmantojot vairāku veidu sensorus, ieskaitot kameras, mikrofonus un termiskos sensorus. Mēs esam izveidojuši un izlaiduši pasaulē lielāko multimodālo datu kopu dzīvojamām telpām, savukārt lielākā daļa dzīvojamo zonu datu kopu ir bijusi maza mēroga. Piemērojot šo datu kopu, AI pētnieki to var izmantot kā apmācības datus mašīnu apguvei un AI pētniecībai, lai atbalstītu cilvēkus dzīves telpā.
Papildus iepriekšminētajam mēs esam izstrādājuši kooperatīvu mācību tehnoloģiju hierarhisko aktivitāšu atpazīšanai multimodālos un vairākos viedokļos. Pielietojot šo tehnoloģiju, mēs varam iemācīties konsekventas funkcijas starp dažādiem viedokļiem, sensoriem, hierarhisko izturēšanos un detalizētām uzvedības etiķetēm, un tādējādi uzlabot sarežģītu aktivitāšu atpazīšanas darbību dzīves telpās.
Šī tehnoloģija ir pētījumu rezultāts, kas veikts sadarbībā starp Digitālās AI tehnoloģiju centru, tehnoloģiju nodaļu un Stenfordas universitātes Stenfordas un mācību laboratoriju.
1. attēls: Sadarbības kompozīcijas darbības izpratne (CCAU) Sadarbībā visu veidu apmācība kopā ļauj mums redzēt uzlabotu veiktspēju.
Mēs izmantojam apmācību, izmantojot gan video līmeņa, gan atomu darbības etiķetes, lai gan videoklipi, gan atomu darbības varētu gūt labumu no abu kompozīcijas mijiedarbības.
[2] Autodo: Robustā autoaugēšana neobjektīviem datiem ar etiķetes troksni, izmantojot mērogojamu varbūtības netiešo diferenciāciju
Mēs arī priecājamies paziņot, ka esam izstrādājuši jaunu mašīnmācīšanās tehnoloģiju, kas automātiski veic optimālu datu palielināšanu saskaņā ar apmācības datu izplatīšanu. Šo tehnoloģiju var izmantot reālās pasaules situācijās, kur pieejamie dati ir ļoti mazi. Mūsu galvenajās biznesa jomās ir daudz gadījumu, kad pieejamo datu ierobežojumu dēļ ir grūti izmantot AI tehnoloģiju. Izmantojot šo tehnoloģiju, var novērst datu palielināšanas parametru noregulēšanas procesu, un parametrus var pielāgot automātiski. Tāpēc var sagaidīt, ka AI tehnoloģijas lietojumprogrammu diapazonu var izplatīt plašāk. Nākotnē, vēl vairāk paātrinot šīs tehnoloģijas izpēti un attīstību, mēs strādāsim, lai realizētu AI tehnoloģiju, ko var izmantot reālās vides vidē, piemēram, pazīstamas ierīces un sistēmas. Šī tehnoloģija ir pētījumu rezultāts, ko veica Digitālā AI tehnoloģiju centrs, Tehnoloģiju nodaļa, AI Panasonic R&D Company laboratorija.
2. attēls: Autodo atrisina datu palielināšanas problēmu (koplietota politika DA dilemma). Paplašināto vilciena datu (ar pārtrauktu zilu) sadalījums var neatbilst testa datiem (ciets sarkanā krāsā) latentā telpā:
"2" ir nepietiekami novērtēts, bet "5" ir pārmērīgi. Rezultātā iepriekšējās metodes nevar saskaņot testa sadalījumu, un iemācītā klasifikatora F (θ) lēmums ir neprecīzs.
Sīkāka informācija par šīm tehnoloģijām tiks sniegta CVPR2021 (notiks no 2017. gada 19. jūnija).
Virs ziņojums ir nākis no Panasonic oficiālās vietnes!
Pasta laiks: jūnijs-03-2021
