Panasonic opracowuje dwie zaawansowane technologie sztucznej inteligencji,
Zaakceptowano do CVPR2021,
wiodąca na świecie międzynarodowa konferencja dotycząca technologii sztucznej inteligencji
[1] Genom akcji domowej: kontrastowe zrozumienie działania kompozycyjnego
Z przyjemnością informujemy, że opracowaliśmy nowy zbiór danych „Home Action Genome”, który gromadzi codzienną aktywność człowieka w jego domach za pomocą kilku rodzajów czujników, w tym kamer, mikrofonów i czujników termicznych. Skonstruowaliśmy i udostępniliśmy największy na świecie multimodalny zbiór danych dotyczących przestrzeni mieszkalnych, choć większość zbiorów danych dotyczących przestrzeni mieszkalnych była niewielka. Stosując ten zbiór danych, badacze sztucznej inteligencji mogą wykorzystać go jako dane szkoleniowe na potrzeby uczenia maszynowego i badań nad sztuczną inteligencją w celu wspierania ludzi w przestrzeni życiowej.
Oprócz powyższego opracowaliśmy technologię uczenia się opartego na współpracy, umożliwiającą hierarchiczne rozpoznawanie działań w multimodalnych i wielu punktach widzenia. Stosując tę technologię, możemy nauczyć się spójnych cech różnych punktów widzenia, czujników, zachowań hierarchicznych i szczegółowych etykiet zachowań, a tym samym poprawić skuteczność rozpoznawania złożonych czynności w przestrzeniach mieszkalnych.
Technologia ta jest wynikiem badań przeprowadzonych we współpracy pomiędzy Centrum Technologii Cyfrowej AI, Działem Technologii oraz Laboratorium Wizji i Nauczania Stanforda na Uniwersytecie Stanforda.
Rysunek 1: Wspólne zrozumienie działania kompozycyjnego (CCAU) Wspólne szkolenie wszystkich modalności pozwala nam zaobserwować lepszą wydajność.
Korzystamy ze szkoleń wykorzystujących zarówno etykiety akcji na poziomie wideo, jak i działania atomowe, aby zarówno filmy, jak i działania atomowe mogły czerpać korzyści z interakcji kompozycyjnych między nimi.
[2] AutoDO: Solidne automatyczne wspomaganie nieobiektywnych danych z szumem etykiety poprzez skalowalne probabilistyczne ukryte różnicowanie
Miło nam również poinformować, że opracowaliśmy nową technologię uczenia maszynowego, która automatycznie dokonuje optymalnego powiększania danych zgodnie z rozkładem danych treningowych. Technologię tę można zastosować w rzeczywistych sytuacjach, w których dostępnych danych jest bardzo mało. W naszych głównych obszarach biznesowych istnieje wiele przypadków, w których zastosowanie technologii AI jest trudne ze względu na ograniczenia dostępnych danych. Dzięki zastosowaniu tej technologii można wyeliminować proces dostrajania parametrów powiększania danych, a parametry można regulować automatycznie. Można zatem spodziewać się szerszego upowszechnienia zakresu zastosowań technologii AI. W przyszłości, poprzez dalsze przyspieszanie badań i rozwoju tej technologii, będziemy pracować nad urzeczywistnieniem technologii sztucznej inteligencji, która będzie mogła być wykorzystywana w rzeczywistych środowiskach, takich jak znane urządzenia i systemy. Technologia ta jest wynikiem badań przeprowadzonych przez Centrum Technologii Cyfrowej AI, Dział Technologii, Laboratorium AI firmy Panasonic R&D Company of America.
Rysunek 2: AutoDO rozwiązuje problem powiększania danych (dylemat DA w ramach wspólnej polityki). Rozkład rozszerzonych danych pociągu (przerywana niebieska linia) może nie odpowiadać danym testowym (ciągłe czerwone) w przestrzeni utajonej:
„2” jest niedostatecznie wzmocnione, podczas gdy „5” jest nadmiernie wzmocnione. W rezultacie dotychczasowe metody nie mogą dopasować się do rozkładu testu, a decyzja wyuczonego klasyfikatora f(θ) jest niedokładna.
Szczegóły tych technologii zostaną zaprezentowane na konferencji CVPR2021 (która odbędzie się 19 czerwca 2017 r.).
Powyższa wiadomość pochodzi z oficjalnej strony internetowej Panasonic!
Czas publikacji: 3 czerwca 2021 r
