A Panasonic desenvolve duas tecnologias avançadas de IA,
Aceito para CVPR2021,
A principal conferência internacional de tecnologia da IA do mundo
[1] Genoma de ação doméstica: compreensão da ação composicional contrastiva
Temos o prazer de anunciar que desenvolvemos um novo conjunto de dados "Genoma de Ação em casa" que coleta as atividades diárias de suas casas usando vários tipos de sensores, incluindo câmeras, microfones e sensores térmicos. Construímos e lançamos o maior conjunto de dados multimodais do mundo para espaços de convivência, enquanto a maioria dos conjuntos de dados para espaços de convivência tem uma escala pequena. Ao aplicar esse conjunto de dados, os pesquisadores da IA podem usá -lo como dados de treinamento para aprendizado de máquina e pesquisa de IA para apoiar as pessoas no espaço de estar.
Além do exposto, desenvolvemos uma tecnologia de aprendizado cooperativa para reconhecimento de atividades hierárquicas em pontos de vista multimodais e múltiplos. Ao aplicar essa tecnologia, podemos aprender recursos consistentes entre diferentes pontos de vista, sensores, comportamentos hierárquicos e rótulos detalhados de comportamento e, assim, melhorar o desempenho de reconhecimento de atividades complexas em espaços de convivência.
Essa tecnologia é o resultado da pesquisa realizada em colaboração entre o Digital AI Technology Center, a Divisão de Tecnologia e o Stanford Vision and Learning Lab da Universidade de Stanford.
Figura 1: Entendimento de ação de composição cooperativa (CCAU) O treinamento de cooperação todas as modalidades juntas nos permite ver um desempenho aprimorado.
Utilizamos o treinamento usando rótulos de ação em nível de vídeo e atômico para permitir que os vídeos e as ações atômicas se beneficiem das interações composicionais entre os dois.
[2] AUTODO: Autoaugment robusto para dados tendenciosos com ruído de etiqueta por meio de diferenciação implícita probabilística escalável
Também temos o prazer de anunciar que desenvolvemos uma nova tecnologia de aprendizado de máquina que executa automaticamente o aumento de dados de acordo com a distribuição de dados de treinamento. Essa tecnologia pode ser aplicada a situações do mundo real, onde os dados disponíveis são muito pequenos. Existem muitos casos em nossas principais áreas de negócios, onde é difícil aplicar a tecnologia de IA devido às limitações dos dados disponíveis. Ao aplicar essa tecnologia, o processo de ajuste dos parâmetros de aumento de dados pode ser eliminado e os parâmetros podem ser ajustados automaticamente. Portanto, pode -se esperar que o intervalo de aplicação da tecnologia de IA possa se espalhar mais amplamente. No futuro, ao acelerar ainda mais a pesquisa e o desenvolvimento dessa tecnologia, trabalharemos para realizar a tecnologia de IA que pode ser usada em ambientes do mundo real, como dispositivos e sistemas familiares. Essa tecnologia é o resultado da pesquisa realizada pelo Digital AI Technology Center, Divisão de Tecnologia do Laboratório da AI da Panasonic R&D Company of America.
Figura 2: O AUTODO resolve o problema do aumento de dados (dilema da polia compartilhada). A distribuição dos dados de trem aumentados (azul tracejado) pode não corresponder aos dados do teste (vermelho sólido) no espaço latente:
"2" está sub-agente, enquanto "5" é super-agmentado. Como resultado, os métodos anteriores não podem corresponder à distribuição do teste e a decisão do classificador aprendida F (θ) é imprecisa.
Os detalhes dessas tecnologias serão apresentados no CVPR2021 (a ser realizado a partir de 19 de junho de 2017).
A mensagem acima vem do site oficial da Panasonic!
Hora de postagem: Jun-03-2021
