Panasonic разрабатывает две передовые технологии искусственного интеллекта
Принят в CVPR2021,
ведущая в мире международная конференция по технологиям искусственного интеллекта
[1] Геном домашнего действия: Понимание контрастного композиционного действия
Мы рады сообщить о разработке нового набора данных «Home Action Genome», который собирает информацию о повседневной активности людей дома с помощью датчиков нескольких типов, включая камеры, микрофоны и термодатчики. Мы создали и опубликовали крупнейший в мире мультимодальный набор данных для жилых помещений, в то время как большинство наборов данных для жилых помещений были небольшими по размеру. Используя этот набор данных, исследователи ИИ могут использовать его в качестве обучающих данных для машинного обучения и исследований в области ИИ для поддержки людей в жилых помещениях.
В дополнение к вышесказанному, мы разработали технологию кооперативного обучения для распознавания иерархической активности в мультимодальных и многоточечных обзорах. Применяя эту технологию, мы можем изучать согласованные характеристики различных обзоров, датчиков, иерархических моделей поведения и подробных меток поведения, тем самым повышая эффективность распознавания сложных действий в жилых пространствах.
Эта технология является результатом исследований, проведенных совместно Центром цифровых технологий искусственного интеллекта, Технологическим отделом и Лабораторией визуализации и обучения Стэнфордского университета.
Рисунок 1: Понимание кооперативного композиционного действия (CCAU) Совместная тренировка всех модальностей позволяет нам увидеть улучшение результатов.
Мы применяем обучение с использованием меток как на уровне видео, так и на уровне атомарных действий, чтобы и видео, и атомарные действия могли извлечь пользу из композиционного взаимодействия между ними.
[2] AutoDO: надежное автоматическое дополнение для предвзятых данных с шумом меток с помощью масштабируемой вероятностной неявной дифференциации
Мы также рады сообщить о разработке новой технологии машинного обучения, которая автоматически выполняет оптимальную аугментацию данных в соответствии с распределением обучающих данных. Эта технология может быть применена в реальных ситуациях, когда доступных данных очень мало. В наших основных областях бизнеса существует множество случаев, когда применение технологии ИИ затруднено из-за ограничений доступных данных. Применяя эту технологию, можно исключить процесс настройки параметров аугментации данных, и параметры могут регулироваться автоматически. Таким образом, можно ожидать, что область применения технологии ИИ может быть расширена. В будущем, путем дальнейшего ускорения исследований и разработок этой технологии, мы будем работать над созданием технологии ИИ, которая может быть использована в реальных средах, таких как знакомые устройства и системы. Эта технология является результатом исследований, проведенных Центром цифровых технологий ИИ, Технологического подразделения, Лаборатории ИИ компании Panasonic R&D Company of America.
Рисунок 2: AutoDO решает проблему дополнения данных (дилемма DA с общей политикой). Распределение дополненных данных обучения (пунктирная синяя линия) может не совпадать с тестовыми данными (сплошная красная линия) в скрытом пространстве:
«2» — недостаточно дополненный вариант, а «5» — передополненный. В результате предыдущие методы не могут соответствовать тестовому распределению, и решение обученного классификатора f(θ) оказывается неточным.
Подробная информация об этих технологиях будет представлена на конференции CVPR2021 (которая начнется 19 июня 2017 года).
Сообщение выше взято с официального сайта Panasonic!
Время публикации: 03 июня 2021 г.
