Panasonic phát triển hai công nghệ AI tiên tiến,
Được chấp nhận vào CVPR2021,
Hội nghị Công nghệ AI Quốc tế Hàng đầu Thế giới
[1] Bộ gen hành động tại nhà: Hiểu biết về hành động thành phần tương phản
Chúng tôi vui mừng thông báo rằng chúng tôi đã phát triển bộ dữ liệu mới "Bộ gen hành động tại nhà" để thu thập các hoạt động hàng ngày của con người trong nhà của họ bằng cách sử dụng một số loại cảm biến, bao gồm máy ảnh, micrô và cảm biến nhiệt. Chúng tôi đã xây dựng và phát hành bộ dữ liệu đa phương thức lớn nhất thế giới về không gian sống, trong khi hầu hết các bộ dữ liệu về không gian sống đều có quy mô nhỏ. Bằng cách áp dụng bộ dữ liệu này, các nhà nghiên cứu AI có thể sử dụng nó làm dữ liệu đào tạo cho máy học và nghiên cứu AI để hỗ trợ con người trong không gian sống.
Ngoài những điều trên, chúng tôi đã phát triển một công nghệ học tập hợp tác để nhận dạng hoạt động phân cấp theo nhiều quan điểm và đa phương thức. Bằng cách áp dụng công nghệ này, chúng ta có thể tìm hiểu các tính năng nhất quán giữa các quan điểm, cảm biến, hành vi phân cấp và nhãn hành vi chi tiết khác nhau, từ đó cải thiện hiệu suất nhận dạng của các hoạt động phức tạp trong không gian sống.
Công nghệ này là kết quả nghiên cứu được thực hiện với sự hợp tác giữa Trung tâm Công nghệ AI Kỹ thuật số, Phòng Công nghệ và Phòng thí nghiệm Học tập và Tầm nhìn Stanford tại Đại học Stanford.
Hình 1: Hiểu biết về hành động tổng hợp hợp tác (CCAU) Hợp tác đào tạo tất cả các phương thức cùng nhau cho phép chúng tôi thấy hiệu suất được cải thiện.
Chúng tôi sử dụng chương trình đào tạo bằng cách sử dụng cả nhãn hành động nguyên tử và cấp độ video để cho phép cả video và hành động nguyên tử được hưởng lợi từ sự tương tác tổng hợp giữa hai nhãn.
[2] AutoDO: Tự động tăng cường mạnh mẽ cho dữ liệu sai lệch với nhiễu nhãn thông qua phân biệt tiềm ẩn xác suất có thể mở rộng
Chúng tôi cũng vui mừng thông báo rằng chúng tôi đã phát triển một công nghệ máy học mới tự động thực hiện tăng cường dữ liệu tối ưu theo phân phối dữ liệu đào tạo. Công nghệ này có thể được áp dụng cho các tình huống thực tế, nơi dữ liệu có sẵn rất nhỏ. Có nhiều trường hợp trong các lĩnh vực kinh doanh chính của chúng tôi gặp khó khăn trong việc áp dụng công nghệ AI do hạn chế về dữ liệu sẵn có. Bằng cách áp dụng công nghệ này, quá trình điều chỉnh các tham số tăng cường dữ liệu có thể được loại bỏ và các tham số có thể được điều chỉnh tự động. Vì vậy, có thể kỳ vọng phạm vi ứng dụng của công nghệ AI có thể được lan rộng rộng rãi hơn. Trong tương lai, bằng cách đẩy nhanh hơn nữa việc nghiên cứu và phát triển công nghệ này, chúng tôi sẽ nỗ lực hiện thực hóa công nghệ AI có thể được sử dụng trong môi trường thực tế như các thiết bị và hệ thống quen thuộc. Công nghệ này là kết quả nghiên cứu được thực hiện bởi Trung tâm Công nghệ Digital AI, Phòng Công nghệ, Phòng thí nghiệm AI của Công ty R&D Panasonic của Mỹ.
Hình 2: AutoDO giải quyết vấn đề tăng cường dữ liệu (Tình huống khó xử DA chính sách chung). Việc phân phối dữ liệu tàu tăng cường (màu xanh nét đứt) có thể không khớp với dữ liệu thử nghiệm (màu đỏ đặc) trong không gian tiềm ẩn:
"2" được tăng cường quá mức, trong khi "5" được tăng cường quá mức. Kết quả là, các phương pháp trước đó không thể khớp với phân phối kiểm tra và quyết định của bộ phân loại đã học f(θ) là không chính xác.
Thông tin chi tiết về các công nghệ này sẽ được trình bày tại CVPR2021 (diễn ra từ ngày 19/6/2017).
Thông báo trên được lấy từ trang web chính thức của Panasonic!
Thời gian đăng: Jun-03-2021
