Panasonic iki gelişmiş AI teknolojisi geliştirir,
CVPR2021'e kabul edildi,
Dünyanın önde gelen uluslararası AI teknoloji konferansı
[1] Ev Eylem Genomu: Kontrastlı kompozisyon eylem anlayışı
Kameralar, mikrofonlar ve termal sensörler de dahil olmak üzere çeşitli sensör türlerini kullanarak insanın günlük aktivitelerini evlerinde toplayan yeni bir "Home Action Genome" geliştirdiğimizi duyurmaktan mutluluk duyuyoruz. Yaşam alanları için dünyanın en büyük multimodal veri kümesini inşa ettik ve yayınladık, yaşam alanları için çoğu veri kümesi küçüktür. Bu veri kümesini uygulayarak AI araştırmacıları, yaşam alanındaki insanları desteklemek için makine öğrenimi ve AI araştırmaları için eğitim verileri olarak kullanabilirler.
Yukarıdakilere ek olarak, multimodal ve çoklu bakış açılarında hiyerarşik aktivite tanıma için işbirlikçi bir öğrenme teknolojisi geliştirdik. Bu teknolojiyi uygulayarak, farklı bakış açıları, sensörler, hiyerarşik davranışlar ve ayrıntılı davranış etiketleri arasında tutarlı özellikler öğrenebilir ve böylece yaşam alanlarındaki karmaşık faaliyetlerin tanıma performansını artırabiliriz.
Bu teknoloji, Dijital AI Teknoloji Merkezi, Teknoloji Bölümü ile Stanford Üniversitesi'nde Stanford Vizyon ve Öğrenme Laboratuvarı arasında işbirliğinde yapılan araştırmaların sonucudur.
Şekil 1: Kooperatif bileşimsel eylem anlayışı (CCAU), tüm modaliteleri birlikte eğiterek eğitmek, gelişmiş performansı görmemizi sağlar.
Hem videoların hem de atomik eylemlerin ikisi arasındaki kompozisyon etkileşimlerinden yararlanmasına izin vermek için hem video seviyesi hem de atomik eylem etiketleri kullanarak eğitim kullanıyoruz.
[2] Autodo: Ölçeklenebilir Olasılıksal Örtülü Farklılaşma yoluyla etiket gürültüsü ile önyargılı veriler için sağlam otougment
Ayrıca, eğitim verilerinin dağılımına göre otomatik olarak optimal veri artırımı gerçekleştiren yeni bir makine öğrenimi teknolojisi geliştirdiğimizi duyurmaktan mutluluk duyuyoruz. Bu teknoloji, mevcut verilerin çok küçük olduğu gerçek dünya durumlarına uygulanabilir. Ana iş alanlarımızda, mevcut verilerin sınırlamaları nedeniyle AI teknolojisinin uygulanmasının zor olduğu birçok durum vardır. Bu teknolojiyi uygulayarak, veri artırma parametrelerinin ayarlama işlemi ortadan kaldırılabilir ve parametreler otomatik olarak ayarlanabilir. Bu nedenle, AI teknolojisinin uygulama aralığının daha geniş bir şekilde yayılabilmesi beklenebilir. Gelecekte, bu teknolojinin araştırma ve geliştirilmesini daha da hızlandırarak, tanıdık cihazlar ve sistemler gibi gerçek dünya ortamlarında kullanılabilecek AI teknolojisini gerçekleştirmek için çalışacağız. Bu teknoloji, Dijital AI Teknoloji Merkezi, Teknoloji Bölümü, AI Laboratuvarı Panasonic Ar -Ge Şirketi tarafından yürütülen araştırmaların sonucudur.
Şekil 2: Autodo, veri büyütme problemini (paylaşılan politika DA ikilemi) çözer. Artırılmış tren verilerinin (kesikli mavi) dağılımı, gizli boşluktaki test verileriyle (katı kırmızı) eşleşmeyebilir:
"2" altında kalır, "5" aşırı açılır. Sonuç olarak, önceki yöntemler test dağılımıyla eşleşemez ve öğrenilen sınıflandırıcı f (θ) kararı yanlıştır.
Bu teknolojilerin detayları CVPR2021'de (19 Haziran 2017'den itibaren yapılacak) sunulacaktır.
Yukarıdaki mesaj Panasonic Resmi Web Sitesinden geliyor!
Gönderme Zamanı: Haziran-03-2021
