Panasonic sviluppa due tecnologie AI avanzate,
Accettato al CVPR2021,
la principale conferenza internazionale sulla tecnologia dell'intelligenza artificiale a livello mondiale
[1] Genoma dell'azione domestica: comprensione dell'azione compositiva contrastiva
Siamo lieti di annunciare che abbiamo sviluppato un nuovo set di dati "Home Action Genome" che raccoglie le attività quotidiane degli esseri umani nelle loro case utilizzando diversi tipi di sensori, tra cui fotocamere, microfoni e sensori termici. Abbiamo costruito e pubblicato il più grande set di dati multimodali al mondo per gli spazi abitativi, mentre la maggior parte dei set di dati per gli spazi abitativi erano di piccole dimensioni. Applicando questo set di dati, i ricercatori sull’intelligenza artificiale possono utilizzarlo come dati di addestramento per l’apprendimento automatico e la ricerca sull’intelligenza artificiale per supportare le persone nello spazio vitale.
In aggiunta a quanto sopra, abbiamo sviluppato una tecnologia di apprendimento cooperativo per il riconoscimento gerarchico delle attività in punti di vista multimodali e multipli. Applicando questa tecnologia, possiamo apprendere caratteristiche coerenti tra diversi punti di vista, sensori, comportamenti gerarchici ed etichette comportamentali dettagliate, e quindi migliorare le prestazioni di riconoscimento di attività complesse negli spazi abitativi.
Questa tecnologia è il risultato di una ricerca condotta in collaborazione tra il Digital AI Technology Center, Technology Division e lo Stanford Vision and Learning Lab presso l'Università di Stanford.
Figura 1: Comprensione dell'azione compositiva cooperativa (CCAU) L'allenamento cooperativo di tutte le modalità insieme ci consente di vedere prestazioni migliorate.
Utilizziamo la formazione utilizzando etichette sia a livello video che di azione atomica per consentire sia ai video che alle azioni atomiche di trarre vantaggio dalle interazioni compositive tra i due.
[2] AutoDO: robusto aumento automatico per dati distorti con rumore dell'etichetta tramite differenziazione implicita probabilistica scalabile
Siamo inoltre lieti di annunciare che abbiamo sviluppato una nuova tecnologia di apprendimento automatico che esegue automaticamente l'aumento ottimale dei dati in base alla distribuzione dei dati di addestramento. Questa tecnologia può essere applicata a situazioni del mondo reale, dove i dati disponibili sono molto piccoli. Ci sono molti casi nelle nostre principali aree di business, in cui è difficile applicare la tecnologia AI a causa delle limitazioni dei dati disponibili. Applicando questa tecnologia, il processo di ottimizzazione dei parametri di aumento dei dati può essere eliminato e i parametri possono essere regolati automaticamente. Pertanto, è prevedibile che il campo di applicazione della tecnologia AI possa essere diffuso in modo più ampio. In futuro, accelerando ulteriormente la ricerca e lo sviluppo di questa tecnologia, lavoreremo per realizzare una tecnologia AI che possa essere utilizzata in ambienti reali come dispositivi e sistemi familiari. Questa tecnologia è il risultato della ricerca condotta dal Digital AI Technology Center, Divisione Tecnologia, Laboratorio AI di Panasonic R&D Company of America.
Figura 2: AutoDO risolve il problema dell'aumento dei dati (dilemma DA a politica condivisa). La distribuzione dei dati del treno aumentati (blu tratteggiato) potrebbe non corrispondere ai dati di test (rosso continuo) nello spazio latente:
"2" è sotto-aumentato, mentre "5" è sovra-aumentato. Di conseguenza, i metodi precedenti non possono corrispondere alla distribuzione del test e la decisione del classificatore appreso f(θ) è imprecisa.
I dettagli di queste tecnologie saranno presentati al CVPR2021 (che si terrà dal 19 giugno 2017).
Il messaggio sopra proviene dal sito ufficiale Panasonic!
Orario di pubblicazione: 03-giu-2021
