Panasonic arendab kahte täiustatud tehisintellekti tehnoloogiat,
Vastu võetud CVPR2021-le,
maailma juhtiv rahvusvaheline tehisintellekti tehnoloogia konverents
[1] Avaleht Toimegenoom: kontrastiivne kompositsioonilise toime mõistmine
Meil on hea meel teatada, et oleme loonud uue andmekogumi "Home Action Genome", mis kogub inimeste igapäevaseid tegevusi nende kodudes, kasutades mitut tüüpi andureid, sealhulgas kaameraid, mikrofone ja termosensoreid. Oleme loonud ja avaldanud maailma suurima multimodaalse eluruumide andmekogumi, samas kui enamik eluruumide andmekogumeid on olnud väikesemahulised. Selle andmekogumi rakendamise abil saavad tehisintellekti teadlased seda kasutada masinõppe ja tehisintellekti uuringute treeningandmetena, et toetada inimesi eluruumides.
Lisaks eelnevale oleme välja töötanud koostööl põhineva õppetehnoloogia hierarhilise tegevuste tuvastamiseks multimodaalses ja mitmes vaatenurgas. Selle tehnoloogia rakendamise abil saame õppida tundma erinevate vaatenurkade, andurite, hierarhiliste käitumismallide ja detailsete käitumismärgiste vahelisi järjepidevaid tunnuseid ning seeläbi parandada keerukate tegevuste tuvastamise tulemuslikkust eluruumides.
See tehnoloogia on Stanfordi ülikooli digitaalse tehisintellekti tehnoloogiakeskuse tehnoloogiaosakonna ja Stanfordi visiooni- ja õppelabori koostöös läbi viidud uuringu tulemus.
Joonis 1: Koostöös põhinev kompositsioonilise tegevuse mõistmine (CCAU). Kõigi modaalsuste koos treenimine võimaldab meil näha paremat sooritust.
Me kasutame treeningut nii videotasemel kui ka aatomiliste toimingute siltidega, et nii videod kui ka aatomilised toimingud saaksid kasu nende kahe kompositsioonilisest interaktsioonist.
[2] AutoDO: Tugev automaatne suurendamine kallutatud andmete jaoks, millel on sildimüra, skaleeritava tõenäosusliku implitsiitse diferentseerimise abil
Samuti on meil hea meel teatada, et oleme välja töötanud uue masinõppe tehnoloogia, mis teostab automaatselt optimaalset andmete täiendamist vastavalt treeningandmete jaotusele. Seda tehnoloogiat saab rakendada reaalsetes olukordades, kus saadaolevaid andmeid on väga vähe. Meie peamistes ärivaldkondades on palju juhtumeid, kus tehisintellekti tehnoloogia rakendamine on olemasolevate andmete piiratuse tõttu keeruline. Selle tehnoloogia rakendamisega saab andmete täiendamise parameetrite häälestamise protsessi välistada ja parameetreid saab automaatselt reguleerida. Seetõttu võib eeldada, et tehisintellekti tehnoloogia rakendusala saab laiemalt laiendada. Tulevikus, kiirendades selle tehnoloogia uurimis- ja arendustegevust veelgi, töötame selle nimel, et realiseerida tehisintellekti tehnoloogiat, mida saab kasutada reaalsetes keskkondades, näiteks tuttavates seadmetes ja süsteemides. See tehnoloogia on Panasonic R&D Company of America tehisintellekti labori digitaalse tehisintellekti tehnoloogiakeskuse tehnoloogiaosakonna uurimistöö tulemus.
Joonis 2: AutoDO lahendab andmete täiendamise probleemi (jagatud poliitikaga DA dilemma). Täiustatud rongiandmete jaotus (katkendlik sinine) ei pruugi latentses ruumis vastata testandmetele (pidev punane):
„2“ on alalaetud, samas kui „5“ on ülelaetud. Selle tulemusena ei suuda varasemad meetodid testijaotust sobitada ja õpitud klassifikaatori f(θ) otsus on ebatäpne.
Nende tehnoloogiate üksikasju tutvustatakse CVPR2021-l (mis toimub alates 19. juunist 2017).
Ülaltoodud teade pärineb Panasonicu ametlikult veebisaidilt!
Postituse aeg: 03.06.2021
