Panasonic arendab kaks arenenud AI -tehnoloogiat,
Aktsepteeritud ettevõttele CVPR2021,
Maailma juhtiv rahvusvaheline AI tehnoloogiakonverents
[1] Kodutegevuse genoom: kontrastiline kompositsioonilise tegevuse mõistmine
Meil on hea meel teatada, et oleme välja töötanud uue andmekogumi "Kodutegevuse genoom", mis kogub nende kodudes inimese igapäevaseid tegevusi, kasutades mitut tüüpi andureid, sealhulgas kaameraid, mikrofonid ja termilised andurid. Oleme ehitanud ja välja andnud maailma suurima elamispindade multimodaalse andmestiku, samas kui enamik elamispindade andmekogumeid on olnud väikeste ulatusega. Seda andmekogumit rakendades saavad AI teadlased seda kasutada masinõppe ja AI -uuringute koolitusandmetena, et toetada inimesi elamispinnas.
Lisaks ülaltoodule oleme välja töötanud koostöötehnoloogia hierarhilise tegevuse tuvastamiseks multimodaalsetes ja mitmetes vaatenurkades. Seda tehnoloogiat rakendades saame õppida järjepidevaid funktsioone erinevate seisukohtade, andurite, hierarhilise käitumise ja üksikasjalike käitumismärgiste vahel ning parandada seega keerukate tegevuste äratundmist elamisruumides.
See tehnoloogia on digitaalse AI tehnoloogiakeskuse, tehnoloogiaosakonna ning Stanford Visioni ja õppelabori koostöös Stanfordi ülikooli koostöös läbi viidud teadusuuringute tulemus.
Joonis 1: Koostöökompositsioonilise tegevuse mõistmine (CCAU) koos kõigi mooduste koos koolitamine võimaldab meil näha paremat jõudlust.
Me kasutame koolitust nii videotaseme kui ka aatomilise tegevuse siltide abil, et nii videod kui ka aatommeetmed saaksid kasu nende kahe kompositsioonilisest koostoimest.
]
Samuti on meil hea meel teatada, et oleme välja töötanud uue masinõppe tehnoloogia, mis täidab automaatselt optimaalseid andmete suurendamist vastavalt koolitusandmete levitamisele. Seda tehnoloogiat saab rakendada reaalsetes olukordades, kus saadaolevad andmed on väga väikesed. Meie peamistes äripiirkondades on palju juhtumeid, kus olemasolevate andmete piirangute tõttu on AI -tehnoloogiat keeruline rakendada. Seda tehnoloogiat rakendades saab andmete suurendamise parameetrite häälestamisprotsessi kõrvaldada ja parameetreid saab automaatselt reguleerida. Seetõttu võib eeldada, et AI -tehnoloogia rakendusvahemikku saab laiemalt levida. Tulevikus, kiirendades selle tehnoloogia uurimist ja arendamist veelgi, töötame selle nimel, et realiseerida AI-tehnoloogiat, mida saab kasutada reaalajas keskkondades, näiteks tuttavates seadmetes ja süsteemis. See tehnoloogia on teadusuuringute tulemus, mille on läbinud digitaalne AI tehnoloogiakeskus, tehnoloogia osakond, AI Laboratory of America Panasonic R&D.
Joonis 2: Autodo lahendab andmete suurendamise probleemi (jagatud poliitika DA dilemma). Täiendatud rongide andmete jaotus (kriipssinine) ei pruugi sobitada testiandmeid (tahke punane) latentses ruumis:
"2" on alatu, samas kui "5" on üle suurenenud. Selle tulemusel ei saa eelnevad meetodid testijaotusele vastata ja õpitud klassifikaatori F (θ) otsus on ebatäpne.
Nende tehnoloogiate üksikasjad esitatakse aadressil CVPR2021 (toimub alates 19. juunist 2017).
Ülaltoodud teade on pärit Panasonicu ametlikust veebisaidilt!
Postiaeg: juuni-03-2021
