Panasonic разрабатывает две передовые технологии ИИ,
Принят в CVPR2021,
Ведущая международная конференция по технологии ИИ в мире
[1] Геном домашнего действия: понимание контрастных композиционных действий
Мы рады сообщить, что мы разработали новый набор данных «Геном домашнего действия», который собирает повседневную деятельность человека в их домах, используя несколько типов датчиков, включая камеры, микрофоны и тепловые датчики. Мы построили и выпустили крупнейший в мире мультимодальный набор данных для живых пространств, в то время как большинство наборов данных для жилых помещений были небольшими по масштабу. Применяя этот набор данных, исследователи искусственного интеллекта могут использовать его в качестве учебных данных для машинного обучения и исследований искусственного интеллекта для поддержки людей в жилом пространстве.
В дополнение к вышесказанному мы разработали технологию кооперативного обучения для иерархического распознавания деятельности в мультимодальных и множественных точках зрения. Применяя эту технологию, мы можем изучить последовательные особенности между различными точками зрения, датчиками, иерархическим поведением и подробными этикетками поведения, и, таким образом, улучшать эффективность распознавания сложных видов деятельности в живых пространствах.
Эта технология является результатом исследований, проведенных в сотрудничестве между Центром Digital AI Technology, Technology Division и Stanford Vision и Learning Lab в Стэнфордском университете.
Рисунок 1: Кооперативное понимание действий композиции (CCAU) Совместное обучение всех модальностей вместе позволяет нам видеть улучшенную производительность.
Мы используем обучение, используя как на уровне видео, так и атомные этикетки, позволяющие как видео, так и атомным действиям извлечь выгоду из композиционных взаимодействий между ними.
[2] Autodo: надежное автоаугацию для смещенных данных с шумом метки посредством масштабируемой вероятностной неявной дифференциации
Мы также рады сообщить, что разработали новую технологию машинного обучения, которая автоматически выполняет оптимальное увеличение данных в соответствии с распределением данных обучения. Эта технология может быть применена в реальных ситуациях, где доступные данные очень малы. В наших основных бизнес -областях есть много случаев, где трудно применять технологию ИИ из -за ограничений доступных данных. Применяя эту технологию, процесс настройки параметров увеличения данных может быть устранен, и параметры могут быть скорректированы автоматически. Следовательно, можно ожидать, что диапазон применения технологии ИИ может распространяться более широко. В будущем, дальнейшим ускорением исследований и разработок этой технологии, мы будем работать над реализацией технологии искусственного интеллекта, которые можно использовать в реальных средах, таких как знакомые устройства и системы. Эта технология является результатом исследований, проведенных Центром Digital AI Technology, Technology Division, AI Laboratory of Panasonic R & D Company of America.
Рисунок 2: Autodo решает проблему увеличения данных (дилемма DA-общей политики). Распределение данных дополненных поездов (пунктирное синее) не может соответствовать тестовым данным (твердое красное) в скрытом пространстве:
«2» находится под надзором, а «5» переоборудован. В результате предыдущие методы не могут соответствовать распределению тестов, и решение изученного классификатора F (θ) является неточным.
Детали этих технологий будут представлены на CVPR2021 (состоится с 19 июня 2017 года).
Приведенное выше сообщение пришло с официального сайта Panasonic!
Пост времени: июнь-03-2021
