Panasonic ûntwikkelt twa avansearre AI-technologyen,
Akseptearre foar CVPR2021,
de wrâld liedende ynternasjonale AI Technology Conference
[1] Home Action Genome: Kontrastive komposysje aksje Understanding
Wy binne bliid om oan te kundigjen dat wy in nije dataset "Home Action Genome" hawwe ûntwikkele dy't de deistige aktiviteiten fan minsken yn har huzen sammelet mei ferskate soarten sensoren, ynklusyf kamera's, mikrofoans en termyske sensoren. Wy hawwe de grutste multimodale dataset fan 'e wrâld foar wenromten konstruearre en frijlitten, wylst de measte datasets foar wenromten lyts yn skaal west hawwe. Troch it tapassen fan dizze dataset kinne AI-ûndersikers it brûke as trainingsgegevens foar masinelearen en AI-ûndersyk om minsken te stypjen yn wenromte.
Neist it boppesteande hawwe wy in koöperative leartechnology ûntwikkele foar hiërargyske aktiviteitserkenning yn multimodale en meardere sichtpunten. Troch it tapassen fan dizze technology kinne wy konsekwinte funksjes leare tusken ferskate sichtpunten, sensoren, hiërargyske gedrach, en detaillearre gedrachsetiketten, en sa ferbetterje de erkenningsprestaasjes fan komplekse aktiviteiten yn wenromten.
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 by Stanford University.
Figure 1: Cooperative Compositional Action Understanding (CCAU) Koöperative training fan alle modaliteiten byinoar lit ús ferbettere prestaasjes sjen.
Wy brûke training mei gebrûk fan labels op fideo-nivo en atomyske aksjes om sawol de fideo's as atomyske aksjes te profitearjen fan 'e komposysje-ynteraksjes tusken de twa.
[2] AutoDO: Robuste AutoAugment foar biased gegevens mei labellûd fia skalbere probabilistyske ymplisite differinsjaasje
Wy binne ek bliid om oan te kundigjen dat wy in nije masine-leartechnology hawwe ûntwikkele 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 heul lyts binne. D'r binne in protte gefallen yn ús haadbedriuwgebieten, wêr't it lestich is om AI-technology oan te passen fanwegen de beheiningen fan 'e beskikbere gegevens. Troch it tapassen fan dizze technology kin it tuningproses fan parameters foar gegevensfergrutting wurde elimineare, en kinne de parameters automatysk oanpast wurde. Dêrom kin ferwachte wurde dat it tapassingsberik fan AI-technology wiidferspraat kin wurde. Yn 'e takomst, troch it ûndersyk en ûntwikkeling fan dizze technology fierder te fersnellen, sille wy wurkje om AI-technology te realisearjen dy't kin wurde brûkt yn echte omjouwings lykas fertroude 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.
Ofbylding 2: AutoDO lost it probleem op fan gegevensfergrutting (Shared-policy DA-dilemma). De ferdieling fan fergrutte treingegevens (blau stippele) komt miskien net oerien mei de testgegevens (fol read) yn 'e latinte romte:
"2" is under-augmented, wylst "5" is overaugmented. As resultaat kinne foarôfgeande metoaden net oerienkomme mei de testferdieling en it beslút fan 'e learde klassifikaasje f (θ) is net akkuraat.
De details fan dizze technologyen sille wurde presintearre op CVPR2021 (te hâlden fan juny 19th, 2017).
Boppesteande berjocht komt fan Panasonic offisjele webside!
Post tiid: Jun-03-2021
