Компания Panasonic разработала две передовые технологии искусственного интеллекта.
Принято к участию в конференции CVPR2021.
Ведущая международная конференция в мире по технологиям искусственного интеллекта
[1] Главная Действие Геном: Контрастивное композиционное понимание действия
Мы рады сообщить о разработке нового набора данных «Home Action Genome», который собирает данные о повседневной активности людей в их домах с помощью различных типов датчиков, включая камеры, микрофоны и тепловизоры. Мы создали и выпустили крупнейший в мире мультимодальный набор данных для жилых помещений, в то время как большинство подобных наборов данных имеют небольшой масштаб. Используя этот набор данных, исследователи в области искусственного интеллекта могут применять его в качестве обучающих данных для машинного обучения и исследований в области ИИ, чтобы помочь людям в жилых помещениях.
В дополнение к вышесказанному, мы разработали технологию кооперативного обучения для иерархического распознавания активности в мультимодальных и множественных ракурсах. Применение этой технологии позволяет нам изучать согласованные признаки между различными ракурсами, датчиками, иерархическими моделями поведения и подробными метками поведения, тем самым повышая эффективность распознавания сложных действий в жилых помещениях.
Данная технология является результатом исследований, проведенных в сотрудничестве между Центром цифровых технологий искусственного интеллекта, Технологическим отделом и Лабораторией компьютерного зрения и обучения Стэнфордского университета.
Рисунок 1: Совместное композиционное понимание действий (CCAU). Совместная тренировка всех модальностей позволяет нам наблюдать улучшение результатов.
Мы используем обучение с применением как видеотегов, так и атомарных действий, чтобы и видео, и атомарные действия могли извлечь пользу из композиционного взаимодействия между ними.
[2] AutoDO: Надежная автодополнение для данных со смещенными метками и шумом меток с помощью масштабируемого вероятностного неявного дифференцирования
Мы также рады сообщить о разработке новой технологии машинного обучения, которая автоматически выполняет оптимальное расширение данных в соответствии с распределением обучающих данных. Эта технология может применяться в реальных условиях, где объем доступных данных очень мал. Во многих областях нашей основной деятельности применение технологий ИИ затруднено из-за ограниченности имеющихся данных. Применение этой технологии позволяет исключить процесс настройки параметров расширения данных и автоматически корректировать параметры. Таким образом, можно ожидать расширения области применения технологий ИИ. В будущем, ускоряя исследования и разработки этой технологии, мы будем работать над созданием технологий ИИ, которые можно будет использовать в реальных условиях, например, в привычных устройствах и системах. Эта технология является результатом исследований, проведенных Центром цифровых технологий ИИ, Технологическим подразделением, Лабораторией ИИ научно-исследовательской компании Panasonic.
Рисунок 2: AutoDO решает проблему расширения данных (дилемма расширения данных на основе общей политики). Распределение расширенных обучающих данных (пунктирная синяя линия) может не совпадать с тестовыми данными (сплошная красная линия) в латентном пространстве:
"2" является недорасширенным, а "5" — перерасширенным. 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 состоится 19 июня 2017 года).
Приведённое выше сообщение взято с официального сайта Panasonic!
Дата публикации: 03.06.2021
