Panasonic zhvillon dy teknologji të përparuara të inteligjencës artificiale,
Pranuar në CVPR2021,
Konferenca Kryesore Ndërkombëtare e Teknologjisë së IA-së në Botë
[1] Gjenomi i Veprimit në Shtëpi: Kuptimi i Veprimit Kompozitiv Kontrastiv
Jemi të kënaqur të njoftojmë se kemi zhvilluar një set të ri të dhënash "Home Action Genome" që mbledh aktivitetet e përditshme të njerëzve në shtëpitë e tyre duke përdorur disa lloje sensorësh, duke përfshirë kamera, mikrofonë dhe sensorë termikë. Ne kemi ndërtuar dhe publikuar setin më të madh të të dhënave multimodale në botë për hapësirat e jetesës, ndërsa shumica e seteve të të dhënave për hapësirat e jetesës kanë qenë të vogla në shkallë. Duke aplikuar këtë set të dhënash, studiuesit e IA-së mund ta përdorin atë si të dhëna trajnimi për të mësuarit automatik dhe kërkimin e IA-së për të mbështetur njerëzit në hapësirën e jetesës.
Përveç sa më sipër, ne kemi zhvilluar një teknologji të të nxënit bashkëpunues për njohjen e aktiviteteve hierarkike në këndvështrime multimodale dhe të shumëfishta. Duke aplikuar këtë teknologji, ne mund të mësojmë karakteristika të qëndrueshme midis këndvështrimeve të ndryshme, sensorëve, sjelljeve hierarkike dhe etiketave të detajuara të sjelljes, dhe kështu të përmirësojmë performancën e njohjes së aktiviteteve komplekse në hapësirat e jetesës.
Kjo teknologji është rezultat i një hulumtimi të kryer në bashkëpunim midis Qendrës së Teknologjisë së IA-së Dixhitale, Divizionit të Teknologjisë dhe Laboratorit të Vizionit dhe Mësimit Stanford në Universitetin e Stanfordit.
Figura 1: Kuptimi i Veprimit Kompozitiv Bashkëpunues (CCAU) Trajnimi bashkëpunues i të gjitha modaliteteve së bashku na lejon të shohim performancë të përmirësuar.
Ne përdorim trajnimin duke përdorur si etiketat e veprimit në nivel videoje ashtu edhe atomike për të lejuar që si videot ashtu edhe veprimet atomike të përfitojnë nga ndërveprimet kompozicionale midis të dyjave.
[2] AutoDO: AutoAugment i fuqishëm për të dhëna të anshme me zhurmë etikete nëpërmjet diferencimit të implicit probabilistik të shkallëzueshëm
Gjithashtu, jemi të kënaqur të njoftojmë se kemi zhvilluar një teknologji të re të të mësuarit automatik që kryen automatikisht shtimin optimal të të dhënave sipas shpërndarjes së të dhënave të trajnimit. Kjo teknologji mund të aplikohet në situata të botës reale, ku të dhënat e disponueshme janë shumë të vogla. Ka shumë raste në fushat tona kryesore të biznesit, ku është e vështirë të aplikohet teknologjia e IA-së për shkak të kufizimeve të të dhënave të disponueshme. Duke aplikuar këtë teknologji, procesi i akordimit të parametrave të shtimit të të dhënave mund të eliminohet dhe parametrat mund të rregullohen automatikisht. Prandaj, mund të pritet që gama e aplikimit të teknologjisë së IA-së të përhapet më gjerësisht. Në të ardhmen, duke përshpejtuar më tej kërkimin dhe zhvillimin e kësaj teknologjie, ne do të punojmë për të realizuar teknologjinë e IA-së që mund të përdoret në mjedise të botës reale, siç janë pajisjet dhe sistemet e njohura. Kjo teknologji është rezultat i kërkimit të kryer nga Qendra e Teknologjisë së IA-së Dixhitale, Divizioni i Teknologjisë, Laboratori i IA-së i Panasonic R&D Company of America.
Figura 2: AutoDO zgjidh problemin e shtimit të të dhënave (dilema DA me politikë të përbashkët). Shpërndarja e të dhënave të shtimit të trenit (blu me pika) mund të mos përputhet me të dhënat e testimit (e kuqe e plotë) në hapësirën latente:
"2" është nën-shtuar, ndërsa "5" është mbi-shtuar. Si rezultat, metodat e mëparshme nuk mund të përputhen me shpërndarjen e testit dhe vendimi i klasifikuesit të mësuar f(θ) është i pasaktë.
Detajet e këtyre teknologjive do të prezantohen në CVPR2021 (që do të mbahet nga 19 qershori 2017).
Mesazhi i mësipërm vjen nga faqja zyrtare e internetit e Panasonic!
Koha e postimit: 03 qershor 2021
