Panasonic desarrolla dos tecnologías avanzadas de inteligencia artificial
Aceptado en CVPR2021,
la conferencia internacional sobre tecnología de inteligencia artificial líder en el mundo
[1] Inicio Genoma de acción: comprensión de la acción composicional contrastante
Nos complace anunciar que hemos desarrollado un nuevo conjunto de datos "Home Action Genome" que recopila las actividades diarias de los humanos en sus hogares utilizando varios tipos de sensores, incluidas cámaras, micrófonos y sensores térmicos. Hemos construido y publicado el conjunto de datos multimodal más grande del mundo para espacios habitables, mientras que la mayoría de los conjuntos de datos para espacios habitables han sido de pequeña escala. Al aplicar este conjunto de datos, los investigadores de IA pueden utilizarlo como datos de entrenamiento para el aprendizaje automático y la investigación de IA para ayudar a las personas en el espacio vital.
Además de lo anterior, hemos desarrollado una tecnología de aprendizaje cooperativo para el reconocimiento de actividades jerárquicas en puntos de vista multimodales y múltiples. Al aplicar esta tecnología, podemos aprender características consistentes entre diferentes puntos de vista, sensores, comportamientos jerárquicos y etiquetas de comportamiento detalladas y así mejorar 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) Entrenar cooperativamente todas las modalidades juntas nos permite ver un mejor desempeño.
Utilizamos entrenamiento utilizando etiquetas de acción atómica y a nivel de video para permitir que tanto los videos como las acciones atómicas se beneficien de las interacciones compositivas entre los dos.
[2] AutoDO: Aumento automático robusto para datos sesgados con ruido de etiqueta mediante diferenciación implícita probabilística escalable
También nos complace anunciar que hemos desarrollado una nueva tecnología de aprendizaje automático que realiza automáticamente un aumento de datos óptimo de acuerdo con la distribución de los datos de entrenamiento. Esta tecnología se puede aplicar a situaciones del mundo real, donde los datos disponibles son muy pequeños. Hay muchos casos en nuestras principales áreas de negocio, donde es difícil aplicar la tecnología de IA debido a las limitaciones de los datos disponibles. Al aplicar esta tecnología, se puede eliminar el proceso de ajuste de los parámetros de aumento de datos y los parámetros se pueden ajustar automáticamente. Por lo tanto, se puede esperar que el rango de aplicaciones de la tecnología de IA se pueda extender más ampliamente. En el futuro, al acelerar aún más la investigación y el desarrollo de esta tecnología, trabajaremos para hacer realidad la tecnología de IA que pueda usarse en entornos del mundo real, como dispositivos y sistemas familiares. Esta tecnología es el resultado de una 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). Es posible que la distribución de los datos del tren aumentados (azul discontinuo) no coincida con los datos de prueba (rojo sólido) en el espacio latente:
"2" está subaumentado, mientras que "5" está sobreaumentado. Como resultado, los métodos anteriores 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!
Hora de publicación: 03-jun-2021
