Panasonic desarrolla dos tecnologías AI avanzadas,
Aceptado para CVPR2021,
la conferencia internacional de tecnología internacional de IA líder del mundo
[1] Genoma de acción en el hogar: comprensión de acción compositiva contrastante
Nos complace anunciar que hemos desarrollado un nuevo conjunto de datos "Genoma de acción en el hogar" que recopila las actividades diarias de los humanos en sus hogares utilizando varios tipos de sensores, incluidos cámaras, micrófonos y sensores térmicos. Hemos construido y lanzado el conjunto de datos multimodal más grande del mundo para espacios de vida, mientras que la mayoría de los conjuntos de datos para espacios de vida han sido pequeños en escala. Al aplicar este conjunto de datos, los investigadores de IA pueden usarlo como datos de capacitación para el aprendizaje automático y la investigación de IA para apoyar a las personas en el espacio vital.
Además de lo anterior, hemos desarrollado una tecnología de aprendizaje cooperativo para el reconocimiento de actividad jerárquica 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 de reconocimiento de actividades complejas en espacios de vida.
Esta tecnología es el resultado de la investigación realizada en colaboración entre el Centro de Tecnología Digital de IA, 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) capacitar cooperativamente todas las modalidades juntas nos permite ver un rendimiento mejorado.
Utilizamos la capacitación utilizando etiquetas de acción a nivel de video y atómica para permitir que tanto los videos como las acciones atómicas se beneficien de las interacciones compositivas entre los dos.
[2] Autodo: AutoAugment robusto para datos sesgados con ruido de etiqueta a través de una 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 capacitación. Esta tecnología se puede aplicar a situaciones del mundo real, donde los datos disponibles son muy pequeños. Hay muchos casos en nuestras principales áreas comerciales, en los que 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 aplicación 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 realizar la tecnología de IA que puede usarse en entornos del mundo real, como dispositivos y sistemas familiares. Esta tecnología es el resultado de la investigación realizada por el Centro de Tecnología Digital AI, la División de Tecnología, Laboratorio de IA de Panasonic R&D Company of America.
Figura 2: Autodo resuelve el problema del aumento de datos (dilema de la policy compartido). La distribución de los datos del tren aumentado (azul discontinuo) puede no coincidir con los datos de prueba (rojo sólido) en el espacio latente:
"2" está bajo augsada, mientras que "5" está excesivo. Como resultado, los métodos anteriores no pueden coincidir con la distribución de la prueba y la decisión del clasificador aprendido F (θ) es inexacto.
Los detalles de estas tecnologías se presentarán en CVPR2021 (que se celebrará a partir del 19 de junio de 2017).
¡El mensaje anterior viene del sitio web oficial de Panasonic!
Tiempo de publicación: Jun-03-2021
