Η Panasonic αναπτύσσει δύο προηγμένες τεχνολογίες AI,
Αποδεκτό στο CVPR2021,
το κορυφαίο διεθνές συνέδριο τεχνολογίας AI στον κόσμο
[1] Home Action Genome: Contrastive Compositional Action Understanding
Είμαστε στην ευχάριστη θέση να ανακοινώσουμε ότι έχουμε αναπτύξει ένα νέο σύνολο δεδομένων "Home Action Genome" που συλλέγει τις καθημερινές δραστηριότητες των ανθρώπων στα σπίτια τους χρησιμοποιώντας διάφορους τύπους αισθητήρων, συμπεριλαμβανομένων καμερών, μικροφώνων και θερμικών αισθητήρων. Κατασκευάσαμε και κυκλοφορήσαμε το μεγαλύτερο πολυτροπικό σύνολο δεδομένων στον κόσμο για χώρους διαβίωσης, ενώ τα περισσότερα σύνολα δεδομένων για χώρους διαβίωσης ήταν μικρής κλίμακας. Εφαρμόζοντας αυτό το σύνολο δεδομένων, οι ερευνητές τεχνητής νοημοσύνης μπορούν να το χρησιμοποιήσουν ως δεδομένα εκπαίδευσης για μηχανική μάθηση και έρευνα τεχνητής νοημοσύνης για να υποστηρίξουν τους ανθρώπους στο ζωτικό χώρο.
Εκτός από τα παραπάνω, έχουμε αναπτύξει μια τεχνολογία συνεργατικής μάθησης για την ιεραρχική αναγνώριση δραστηριοτήτων σε πολυτροπικές και πολλαπλές απόψεις. Με την εφαρμογή αυτής της τεχνολογίας, μπορούμε να μάθουμε συνεπή χαρακτηριστικά μεταξύ διαφορετικών απόψεων, αισθητήρων, ιεραρχικών συμπεριφορών και λεπτομερών ετικετών συμπεριφοράς, και έτσι να βελτιώσουμε την απόδοση αναγνώρισης σύνθετων δραστηριοτήτων σε χώρους διαβίωσης.
Αυτή η τεχνολογία είναι το αποτέλεσμα έρευνας που διεξήχθη σε συνεργασία μεταξύ του Κέντρου Τεχνολογίας Ψηφιακής Τεχνητής Νοημοσύνης, του Τμήματος Τεχνολογίας και του Εργαστηρίου Οράματος και Μάθησης του Στάνφορντ στο Πανεπιστήμιο του Στάνφορντ.
Σχήμα 1: Συνεργατική Κατανόηση Συνθετικής Δράσης (CCAU) Η συνεργατική εκπαίδευση όλων των τρόπων μαζί μας επιτρέπει να δούμε βελτιωμένη απόδοση.
Χρησιμοποιούμε εκπαίδευση χρησιμοποιώντας ετικέτες σε επίπεδο βίντεο και ατομικής δράσης για να επιτρέψουμε τόσο στα βίντεο όσο και στις ατομικές ενέργειες να επωφεληθούν από τις αλληλεπιδράσεις σύνθεσης μεταξύ των δύο.
[2] AutoDO: Ισχυρή AutoAugment για μεροληπτικά δεδομένα με θόρυβο ετικέτας μέσω κλιμακούμενης πιθανολογικής σιωπηρής διαφοροποίησης
Είμαστε επίσης στην ευχάριστη θέση να ανακοινώσουμε ότι έχουμε αναπτύξει μια νέα τεχνολογία μηχανικής εκμάθησης που εκτελεί αυτόματα τη βέλτιστη αύξηση δεδομένων σύμφωνα με τη διανομή των δεδομένων εκπαίδευσης. Αυτή η τεχνολογία μπορεί να εφαρμοστεί σε πραγματικές καταστάσεις, όπου τα διαθέσιμα δεδομένα είναι πολύ μικρά. Υπάρχουν πολλές περιπτώσεις στους κύριους επιχειρηματικούς τομείς μας, όπου είναι δύσκολο να εφαρμοστεί η τεχνολογία AI λόγω των περιορισμών των διαθέσιμων δεδομένων. Με την εφαρμογή αυτής της τεχνολογίας, η διαδικασία συντονισμού των παραμέτρων αύξησης δεδομένων μπορεί να εξαλειφθεί και οι παράμετροι μπορούν να προσαρμοστούν αυτόματα. Ως εκ τούτου, μπορεί να αναμένεται ότι το φάσμα εφαρμογών της τεχνολογίας AI μπορεί να εξαπλωθεί ευρύτερα. Στο μέλλον, επιταχύνοντας περαιτέρω την έρευνα και την ανάπτυξη αυτής της τεχνολογίας, θα εργαστούμε για να υλοποιήσουμε την τεχνολογία AI που μπορεί να χρησιμοποιηθεί σε περιβάλλοντα πραγματικού κόσμου, όπως γνωστές συσκευές και συστήματα. Αυτή η τεχνολογία είναι το αποτέλεσμα έρευνας που διεξήχθη από το Digital AI Technology Center, Technology Division, AI Laboratory της Panasonic R&D Company of America.
Εικόνα 2: Το AutoDO επιλύει το πρόβλημα της αύξησης των δεδομένων (Δίλημμα κοινής πολιτικής DA). Η κατανομή των επαυξημένων δεδομένων αμαξοστοιχίας (μπλε διακεκομμένη) ενδέχεται να μην ταιριάζει με τα δεδομένα δοκιμής (συμπαγές κόκκινο) στον λανθάνοντα χώρο:
Το "2" είναι υπο-αυξημένο, ενώ το "5" υπεραυξάνεται. Ως αποτέλεσμα, οι προηγούμενες μέθοδοι δεν μπορούν να ταιριάζουν με την κατανομή δοκιμής και η απόφαση του μαθημένου ταξινομητή f(θ) είναι ανακριβής.
Οι λεπτομέρειες αυτών των τεχνολογιών θα παρουσιαστούν στο CVPR2021 (που θα πραγματοποιηθεί από τις 19 Ιουνίου 2017).
Το παραπάνω μήνυμα προέρχεται από την επίσημη ιστοσελίδα της Panasonic!
Ώρα δημοσίευσης: Ιουν-03-2021
