Panasonic ûntwikkelt twa avansearre AI-technologyen,
Akseptearre foar CVPR2021,
de liedende ynternasjonale AI-technologykonferinsje fan 'e wrâld
[1] Thús Aksjegenoom: Kontrastive komposysjonele aksje begryp
Wy binne bliid om oan te kundigjen dat wy in nije dataset "Home Action Genome" ûntwikkele hawwe dy't deistige aktiviteiten fan minsken yn har huzen sammelt mei ferskate soarten sensoren, ynklusyf kamera's, mikrofoans en termyske sensoren. Wy hawwe de grutste multimodale dataset fan 'e wrâld foar wenromten gearstald en frijjûn, wylst de measte datasets foar wenromten lyts fan skaal wiene. Troch dizze dataset ta te passen, kinne KI-ûndersikers it brûke as trainingsgegevens foar masinelearen en KI-ûndersyk om minsken yn wenromten te stypjen.
Neist it boppesteande hawwe wy in koöperative leartechnology ûntwikkele foar hiërargyske aktiviteitserkenning yn multimodale en meardere eachpunten. Troch dizze technology ta te passen, kinne wy konsekwinte funksjes leare tusken ferskate eachpunten, sensoren, hiërargyske gedrach en detaillearre gedrachslabels, en sa de erkenningsprestaasjes fan komplekse aktiviteiten yn wenromten ferbetterje.
Dizze technology is it resultaat fan ûndersyk útfierd yn gearwurking tusken it Digital AI Technology Center, Technology Division, en it Stanford Vision and Learning Lab oan 'e Stanford University.
Figuer 1: Gearwurkjend Komposysje-Aksjebegryp (CCAU) Troch alle modaliteiten tegearre te trainen, sjogge wy ferbettere prestaasjes.
Wy brûke training mei sawol fideonivo- as atomêre aksjelabels, sadat sawol de fideo's as atomêre aksjes profitearje kinne fan 'e komposysjonele ynteraksjes tusken de twa.
[2] AutoDO: Robuste AutoAugment foar foaroardielde gegevens mei labelrûs fia skalbere probabilistyske ymplisite differinsjaasje
Wy binne ek bliid om oan te kundigjen dat wy in nije masineleartechnology ûntwikkele hawwe dy't automatysk optimale gegevensfergrutting útfiert neffens de ferdieling fan trainingsgegevens. Dizze technology kin tapast wurde op situaasjes yn 'e echte wrâld, wêr't de beskikbere gegevens tige lyts binne. Der binne in protte gefallen yn ús wichtichste bedriuwsgebieten, wêr't it lestich is om KI-technology ta te passen fanwegen de beheiningen fan 'e beskikbere gegevens. Troch dizze technology ta te passen, kin it ôfstimmproses fan gegevensfergruttingsparameters eliminearre wurde, en kinne de parameters automatysk oanpast wurde. Dêrom kin ferwachte wurde dat it tapassingsgebiet fan KI-technology breder ferspraat wurde kin. Yn 'e takomst, troch it fierder fersnellen fan it ûndersyk en de ûntwikkeling fan dizze technology, sille wy wurkje oan it realisearjen fan KI-technology dy't brûkt wurde kin yn echte omjouwings lykas bekende apparaten en systemen. Dizze technology is it resultaat fan ûndersyk útfierd troch it Digital AI Technology Center, Technology Division, AI Laboratory fan Panasonic R&D Company of America.
Figuer 2: AutoDO lost it probleem fan gegevensfergrutting op (dilemma fan dielde belied DA). De ferdieling fan fergrutte treingegevens (blauwe stippels) komt miskien net oerien mei de testgegevens (read) yn 'e latente romte:
"2" is ûnderfergrutte, wylst "5" oerfergrutte is. Dêrtroch kinne eardere metoaden net oerienkomme mei de testferdieling en is de beslissing fan 'e learde klassifikator f(θ) ûnkrekt.
De details fan dizze technologyen wurde presintearre op CVPR2021 (dat plakfynt fan 19 juny 2017 ôf).
Boppesteande berjocht komt fan 'e offisjele webside fan Panasonic!
Pleatsingstiid: 3 juny 2021
