Panasonic sviluppa due tecnologie AI avanzate,
Accettato a CVPR2021,
La conferenza internazionale di tecnologia AI internazionale del mondo
[1] Genoma di azione domestica: comprensione dell'azione compositiva contrastante
Siamo lieti di annunciare che abbiamo sviluppato un nuovo "genoma di azione domestica" che raccoglie le attività quotidiane umane nelle loro case usando diversi tipi di sensori, tra cui telecamere, microfoni e sensori termici. Abbiamo costruito e rilasciato il più grande set di dati multimodali del mondo per gli spazi abitativi, mentre la maggior parte dei set di dati per gli spazi abitativi sono stati di piccole dimensioni. Applicando questo set di dati, i ricercatori di intelligenza artificiale possono utilizzarlo come dati di formazione per l'apprendimento automatico e la ricerca di intelligenza artificiale per supportare le persone nello spazio abitativo.
Oltre a quanto sopra, abbiamo sviluppato una tecnologia di apprendimento cooperativa per il riconoscimento delle attività gerarchiche in punti di vista multimodale e multiplo. Applicando questa tecnologia, possiamo imparare caratteristiche coerenti tra diversi punti di vista, sensori, comportamenti gerarchici e etichette di comportamento dettagliate e quindi migliorare le prestazioni di riconoscimento di attività complesse negli spazi abitativi.
Questa tecnologia è il risultato della ricerca condotta in collaborazione tra il Digital AI Technology Center, la Divisione tecnologica e il Stanford Vision and Learning Lab presso la Stanford University.
Figura1: CAU (Cooperative Compositional Action Comprensione (CCAU) Cooperativamente di tutte le modalità ci consente di vedere prestazioni migliorate.
Utilizziamo la formazione utilizzando etichette di azione sia a livello video che atomico per consentire sia ai video che alle azioni atomiche di beneficiare delle interazioni compositive tra i due.
[2] Autodo: robusto autoaugurazione 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 un aumento dei dati ottimale in base alla distribuzione dei dati di formazione. Questa tecnologia può essere applicata alle situazioni del mondo reale, in cui 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 dei limiti dei dati disponibili. Applicando questa tecnologia, è possibile eliminare il processo di messa a punto dei parametri di aumento dei dati e i parametri possono essere regolati automaticamente. Pertanto, ci si può aspettare che la gamma di applicazioni della tecnologia AI possa essere diffusa in modo più ampio. In futuro, accelerando ulteriormente la ricerca e lo sviluppo di questa tecnologia, lavoreremo per realizzare la tecnologia AI che può essere utilizzata in ambienti del mondo reale come dispositivi e sistemi familiari. Questa tecnologia è il risultato della ricerca condotta dal Digital AI Technology Center, Division Technology, AI Laboratory of Panasonic R&D Company of America.
Figura 2: Autodo risolve il problema dell'aumento dei dati (dilemma DA-Policy condiviso). La distribuzione dei dati del treno aumentati (blu tratteggiato) potrebbe non corrispondere ai dati di test (rosso solido) nello spazio latente:
"2" è sottovalutato, mentre "5" è sovraccaricato. Di conseguenza, i metodi precedenti non possono corrispondere alla distribuzione del test e la decisione del Classifier F (θ) è inaccurata.
I dettagli di queste tecnologie saranno presentati a CVPR2021 (che si terranno dal 19 giugno 2017).
Il messaggio sopra viene proveniente dal sito ufficiale di Panasonic!
Tempo post: giugno-03-2021
