Panasonic desarrolla dos tecnologías avanzadas de IA,
Aceptado en CVPR2021,
La principal conferencia internacional sobre tecnología de IA del mundo
[1] Genoma de acción doméstica: comprensión contrastiva de la acción compositiva
Nos complace anunciar el desarrollo de un nuevo conjunto de datos, "Home Action Genome", que recopila las actividades diarias de las personas en sus hogares mediante diversos sensores, como cámaras, micrófonos y sensores térmicos. Hemos creado y publicado el conjunto de datos multimodal más grande del mundo para espacios habitables, mientras que la mayoría de los conjuntos de datos para este tipo de espacios han sido de menor escala. Al aplicar este conjunto de datos, los investigadores de IA pueden utilizarlo como datos de entrenamiento para el aprendizaje automático y la investigación en IA, con el fin de brindar apoyo a las personas en sus hogares.
Además de lo anterior, hemos desarrollado una tecnología de aprendizaje cooperativo para el reconocimiento de actividades jerárquicas en entornos multimodales y con múltiples perspectivas. Mediante esta tecnología, podemos aprender características consistentes entre diferentes perspectivas, sensores, comportamientos jerárquicos y etiquetas de comportamiento detalladas, mejorando así el rendimiento del reconocimiento de actividades complejas en espacios habitables.
Esta tecnología es el resultado de una investigación realizada en colaboración entre el Centro de Tecnología de IA Digital, la División de Tecnología y el Laboratorio de Visión y Aprendizaje de Stanford en la Universidad de Stanford.
Figura 1: Comprensión de la acción compositiva cooperativa (CCAU). El entrenamiento cooperativo de todas las modalidades en conjunto nos permite observar un rendimiento mejorado.
Utilizamos un entrenamiento que emplea etiquetas de acción tanto a nivel de vídeo como a nivel atómico para permitir que tanto los vídeos como las acciones atómicas se beneficien de las interacciones compositivas entre ambos.
[2] AutoDO: Aumento automático robusto para datos sesgados con ruido en las etiquetas mediante diferenciación implícita probabilística escalable
Nos complace anunciar que hemos desarrollado una nueva tecnología de aprendizaje automático que optimiza automáticamente el aumento de datos según la distribución de los datos de entrenamiento. Esta tecnología se puede aplicar a situaciones reales, incluso con datos limitados. En nuestros principales sectores de negocio, la aplicación de la IA resulta compleja debido a la escasez de datos. Con esta tecnología, se elimina la necesidad de ajustar los parámetros de aumento de datos, permitiendo su ajuste automático. Por lo tanto, se prevé una mayor difusión de la IA. En el futuro, al acelerar la investigación y el desarrollo de esta tecnología, trabajaremos para que la IA pueda utilizarse en entornos reales, como dispositivos y sistemas cotidianos. Esta tecnología es fruto de la investigación realizada por el Centro de Tecnología de IA Digital, División de Tecnología, Laboratorio de IA de Panasonic R&D Company of America.
Figura 2: AutoDO resuelve el problema del aumento de datos (dilema DA de política compartida). La distribución de los datos de entrenamiento aumentados (azul discontinuo) puede no coincidir con los datos de prueba (rojo continuo) en el espacio latente:
El valor "2" está subaumentado, mientras que el valor "5" está sobreaumentado. Como resultado, los métodos previos no pueden coincidir con la distribución de prueba y la decisión del clasificador aprendido f(θ) es inexacta.
Los detalles de estas tecnologías se presentarán en CVPR2021 (que se celebrará a partir del 19 de junio de 2017).
El mensaje anterior proviene del sitio web oficial de Panasonic.
Fecha de publicación: 3 de junio de 2021
