Panasonic sviluppa due tecnologie AI avanzate,
Accettato al CVPR2021,
la principale conferenza internazionale sulla tecnologia dell'intelligenza artificiale al mondo
[1] Home Action Genome: Comprensione dell'azione compositiva contrastiva
Siamo lieti di annunciare lo sviluppo di 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 telecamere, microfoni e sensori termici. Abbiamo creato e pubblicato il più grande set di dati multimodale al mondo per gli spazi abitativi, mentre la maggior parte dei set di dati per gli spazi abitativi era di piccole dimensioni. Applicando questo set di dati, i ricercatori di intelligenza artificiale possono utilizzarlo come dati di addestramento per l'apprendimento automatico e la ricerca sull'intelligenza artificiale a supporto delle persone negli spazi abitativi.
Oltre a quanto sopra, abbiamo sviluppato una tecnologia di apprendimento cooperativo per il riconoscimento di attività gerarchiche 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, migliorando così 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 della Stanford University.
Figura 1: Cooperative Compositional Action Understanding (CCAU). Allenare insieme e in modo cooperativo tutte le modalità ci consente di osservare prestazioni migliori.
Utilizziamo la formazione utilizzando etichette di azioni atomiche e a livello video per consentire sia ai video sia alle azioni atomiche di trarre vantaggio dalle interazioni compositive tra i due.
[2] AutoDO: AutoAugment robusto per dati distorti con rumore di etichetta tramite differenziazione implicita probabilistica scalabile
Siamo inoltre lieti di annunciare lo sviluppo di una nuova tecnologia di apprendimento automatico che esegue automaticamente l'aumento ottimale dei dati in base alla distribuzione dei dati di training. Questa tecnologia può essere applicata a situazioni reali, in cui i dati disponibili sono molto limitati. Ci sono molti casi, nelle nostre principali aree di business, in cui è difficile applicare la tecnologia di intelligenza artificiale a causa dei limiti dei dati disponibili. Applicando questa tecnologia, è possibile eliminare il processo di ottimizzazione dei parametri di aumento dei dati e regolarli automaticamente. Pertanto, si prevede che il campo di applicazione della tecnologia di intelligenza artificiale possa essere ampliato. In futuro, accelerando ulteriormente la ricerca e lo sviluppo di questa tecnologia, lavoreremo per realizzare una tecnologia di intelligenza artificiale che possa essere utilizzata in ambienti reali, come dispositivi e sistemi familiari. Questa tecnologia è il risultato di una ricerca condotta dal Digital AI Technology Center, Technology Division, AI Laboratory 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 prova (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 a partire dal 19 giugno 2017).
Il messaggio sopra proviene dal sito web ufficiale di Panasonic!
Data di pubblicazione: 03/06/2021
