„Panasonic“ kuria dvi pažangias AI technologijas,
Priimtas į CVPR2021,
Pirmaujanti pasaulyje tarptautinė AI technologijų konferencija
[1] Namų veiksmo genomas: kontrastinis kompozicijos veiksmo supratimas
Džiaugiamės galėdami pranešti, kad sukūrėme naują duomenų rinkinį „Home Action Genome“, kuris renka žmonių kasdienę veiklą savo namuose, naudodamiesi kelių tipų jutikliais, įskaitant fotoaparatą, mikrofonus ir šiluminius jutiklius. Mes sukonstravome ir išleidome didžiausią pasaulyje multimodalinį duomenų rinkinį gyvenamosioms erdvėms, o dauguma gyvenamųjų erdvių duomenų rinkinių buvo nedidelio masto. Taikydami šį duomenų rinkinį, AI tyrėjai gali jį naudoti kaip mokymo duomenis mašinų mokymosi ir AI tyrimams, kad palaikytų žmones gyvenamojoje erdvėje.
Be to, kas išdėstyta aukščiau, mes sukūrėme bendradarbiavimo mokymosi technologiją, skirtą hierarchinės veiklos atpažinimui multimodaliniuose ir daugybėje požiūrių. Taikydami šią technologiją, mes galime išmokti nuoseklių savybių tarp skirtingų požiūrių, jutiklių, hierarchinio elgesio ir detalių elgesio etikečių ir taip pagerinti sudėtingos veiklos gyvenimo vietose atpažinimo atlikimą.
Ši technologija yra tyrimų, atliktų bendradarbiaujant tarp skaitmeninio AI technologijos centro, Technologijų skyriaus ir Stanfordo vizijos ir mokymosi laboratorijos Stanfordo universitete, rezultatas.
1 paveikslas: Bendradarbiavimo kompozicijos veiksmo supratimas (CCAU) Bendradarbiaujant visiems būdams kartu galima pamatyti geresnius rezultatus.
Mes naudojame treniruotes naudodami vaizdo lygio ir atominių veiksmų etiketes, kad būtų galima naudotis vaizdo įrašais ir atominiais veiksmais, kad būtų naudingi kompozicijos sąveikos tarp jų.
[2] „Autodo“: tvirtas automatinis šališki duomenys
Mes taip pat džiaugiamės galėdami pranešti, kad sukūrėme naują mašinų mokymosi technologiją, kuri automatiškai atlieka optimalų duomenų padidinimą pagal mokymo duomenų paskirstymą. Ši technologija gali būti pritaikyta realaus pasaulio situacijose, kai turimi duomenys yra labai maži. Mūsų pagrindinėse verslo srityse yra daugybė atvejų, kai dėl turimų duomenų apribojimų sunku pritaikyti AI technologiją. Taikant šią technologiją, duomenų padidinimo parametrų derinimo procesą galima pašalinti, o parametrus galima automatiškai pakoreguoti. Todėl galima tikėtis, kad AI technologijos taikymo diapazonas gali būti paskirstytas plačiau. Ateityje, dar labiau pagreitindami šios technologijos tyrimus ir plėtrą, mes stengsimės įgyvendinti AI technologiją, kuri gali būti naudojama realaus pasaulio aplinkoje, tokioje kaip pažįstami įrenginiai ir sistemos. Ši technologija yra tyrimų, kuriuos atliko „Digital AI Technology Center“, Technologijų skyrius, AI laboratorija iš „Panasonic R&D Company of America“.
2 paveikslas: „Autodo“ išsprendžia duomenų padidinimo problemą (bendros politikos DA dilema). Padidintų traukinio duomenų pasiskirstymas (brūkšniuotas mėlynas) gali nesutapti su bandymo duomenimis (tvirta raudona) latentinėje erdvėje:
„2“ yra nepakankama, o „5“ yra per daug. Dėl to ankstesni metodai negali atitikti bandymo pasiskirstymo, o išmokto klasifikatoriaus F (θ) sprendimas yra netikslus.
Išsami informacija apie šias technologijas bus pristatyta CVPR2021 (vyks nuo 2017 m. Birželio 19 d.).
Aukščiau pateiktas pranešimas yra iš oficialios „Panasonic“ svetainės!
Pašto laikas: 2012-03-03
