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 hành động thành phần tương phản
Chúng tôi vui mừng thông báo rằng chúng tôi đã phát triển một bộ dữ liệu "bộ gen hành động gia đình" mới 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 cho không gian sống, trong khi hầu hết các bộ dữ liệu cho 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 học máy và nghiên cứu AI để hỗ trợ mọi 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 trong các quan điểm đa phương thức và nhiều quan điểm. 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 và do đó cải thiện hiệu suất nhận dạng của các hoạt động phức tạp trong không gian sống.
Công nghệ này là kết quả của nghiên cứu được thực hiện với sự hợp tác giữa Trung tâm công nghệ AI kỹ thuật số, bộ phận công nghệ và phòng thí nghiệm học tập của Stanford Tầm nhìn tại Đại học Stanford.
Hình1: Hiểu biết thành phần hợp tác (CCAU) Hợp tác đào tạo tất cả các phương thức cùng nhau cho phép chúng ta thấy hiệu suất được cải thiện.
Chúng tôi sử dụng đào tạo bằng cách sử dụng cả nhãn hành động cấp video và nguyên tử để cho phép cả video và hành động nguyên tử được hưởng lợi từ các tương tác thành phần giữa hai.
.
Chúng tôi cũng vui mừng thông báo rằng chúng tôi đã phát triển một công nghệ học máy 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 trong thế giới thực, nơi dữ liệu có sẵn rất nhỏ. Có nhiều trường hợp trong lĩnh vực kinh doanh chính của chúng tôi, nơi rất khó để áp dụng công nghệ AI vì những hạn chế của dữ liệu có sẵn. Bằng cách áp dụng công nghệ này, quá trình điều chỉnh các tham số tăng dữ liệu có thể được loại bỏ và các tham số có thể được điều chỉnh tự động. Do đó, có thể dự kiến phạm vi ứng dụng của công nghệ AI có thể được lan truyền rộng rãi hơn. Trong tương lai, bằng cách tăng tốc hơn nữa nghiên cứu và phát triển công nghệ này, chúng tôi sẽ làm việc để nhận ra công nghệ AI có thể được sử dụng trong môi trường trong thế giới thực như thiết bị và hệ thống quen thuộc. Công nghệ này là kết quả của nghiên cứu được thực hiện bởi Trung tâm công nghệ AI kỹ thuật số, bộ phận 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 (Dilemma Da-Dilemma chính sách được chia sẻ). Phân phối dữ liệu tàu tăng cường (màu xanh đứt nét) có thể không khớp với dữ liệu thử nghiệm (màu đỏ rắn) trong không gian tiềm ẩn:
"2" bị đánh giá thấp, trong khi "5" bị quá mức. Do đó, các phương pháp trước không thể phù hợp với phân phối thử nghiệm và quyết định của trình phân loại đã học f (θ) là không chính xác.
Các chi tiết của các công nghệ này sẽ được trình bày tại CVPR2021 (được tổ chức từ ngày 19 tháng 6 năm 2017).
Tin nhắn trên là từ trang web chính thức của Panasonic!
Thời gian đăng: Tháng 6 năm 03-2021
