Panasonic desarrolla dos tecnologías avanzadas de inteligencia artificial,
Aceptado en CVPR2021,
La conferencia internacional líder mundial sobre tecnología de inteligencia artificial
[1] Inicio Acción Genoma: Comprensión de la acción compositiva contrastiva
Nos complace anunciar el desarrollo de un nuevo conjunto de datos, "Home Action Genome", que recopila las actividades cotidianas de las personas en sus hogares mediante diversos tipos de sensores, como cámaras, micrófonos y sensores térmicos. Hemos creado y publicado el conjunto de datos multimodales más grande del mundo para espacios habitables, mientras que la mayoría de los conjuntos de datos para espacios habitables eran de pequeña escala. Al aplicar este conjunto de datos, los investigadores de IA pueden usarlo como datos de entrenamiento para el aprendizaje automático y la investigación en IA, con el fin de apoyar a las personas en sus espacios habitables.
Además de lo anterior, hemos desarrollado una tecnología de aprendizaje cooperativo para el reconocimiento jerárquico de actividades en perspectivas multimodales y múltiples. Al aplicar 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, 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 ver una mejora en el rendimiento.
Utilizamos entrenamiento usando etiquetas de acción atómica y de nivel de video para permitir que tanto los videos como las acciones atómicas se beneficien de las interacciones compositivas entre ambos.
[2] AutoDO: Aumento automático robusto para datos sesgados con ruido de etiqueta mediante diferenciación implícita probabilística escalable
Nos complace anunciar el desarrollo de una nueva tecnología de aprendizaje automático que optimiza automáticamente el aumento de datos según la distribución de los datos de entrenamiento. Esta tecnología se aplica en situaciones reales donde los datos disponibles son muy escasos. En nuestras principales áreas de negocio, la aplicación de la tecnología de IA se dificulta en muchos casos debido a las limitaciones de los datos disponibles. Esta tecnología elimina el ajuste de los parámetros de aumento de datos, lo que permite ajustarlos automáticamente. Por lo tanto, se espera una mayor difusión de la tecnología de IA. En el futuro, impulsando la investigación y el desarrollo de esta tecnología, trabajaremos para implementarla en entornos reales, como dispositivos y sistemas habituales. Esta tecnología es el resultado de la investigación del 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 de DA de política compartida). La distribución de los datos de entrenamiento aumentados (azul discontinuo) puede no coincidir 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 de arriba proviene del sitio web oficial de Panasonic!
Hora de publicación: 03-jun-2021
