Panasonic Ngembangkeun Dua Téhnologi AI Canggih,
Ditampi di CVPR2021,
Konferensi Téknologi AI Internasional Unggulan di Dunya
[1] Génom Aksi Imah: Pamahaman Aksi Komposisi Kontrastif
Kami reueus ngumumkeun yén kami parantos ngembangkeun kumpulan data énggal "Home Action Genome" anu ngumpulkeun kagiatan manusa sadidinten di bumi nganggo sababaraha jinis sénsor, kalebet kaméra, mikropon sareng sénsor termal. Kami parantos ngawangun sareng ngarilis kumpulan data multimodal panggedéna di dunya pikeun rohangan hirup, sedengkeun kaseueuran kumpulan data pikeun rohangan hirup skalana alit. Ku nerapkeun kumpulan data ieu, para panaliti AI tiasa nganggo éta salaku data latihan pikeun pembelajaran mesin sareng panalungtikan AI pikeun ngadukung jalma-jalma di rohangan hirup.
Salian ti hal-hal di luhur, urang parantos ngembangkeun téknologi pembelajaran kooperatif pikeun pangakuan kagiatan hirarkis dina multimodal sareng sababaraha sudut pandang. Ku nerapkeun téknologi ieu, urang tiasa diajar fitur anu konsisten antara sudut pandang, sénsor, paripolah hirarkis, sareng labél paripolah anu lengkep, sahingga ningkatkeun kinerja pangakuan kagiatan anu rumit di rohangan hirup.
Téhnologi ieu mangrupikeun hasil panalungtikan anu dilakukeun ku kolaborasi antara Pusat Téhnologi AI Digital, Divisi Téhnologi, sareng Laboratorium Visi sareng Pembelajaran Stanford di Universitas Stanford.
Gambar 1: Pamahaman Tindakan Komposisi Kooperatif (CCAU) Ngalatih sadaya modalitas sacara kooperatif ngamungkinkeun urang ningali kinerja anu ningkat.
Kami ngamangpaatkeun latihan nganggo labél tingkat pidéo sareng tindakan atomik supados pidéo sareng tindakan atomik kéngingkeun mangpaat tina interaksi komposisi antara duanana.
[2] AutoDO: AutoAugment anu Kuat pikeun Data anu Bias kalayan Noise Label ngalangkungan Diferensiasi Implisit Probabilistik anu Bisa Diukur
Kami ogé reueus ngumumkeun yén kami parantos ngembangkeun téknologi pembelajaran mesin énggal anu sacara otomatis ngalaksanakeun augmentasi data optimal numutkeun distribusi data latihan. Téknologi ieu tiasa diterapkeun kana kaayaan dunya nyata, dimana data anu sayogi sakedik pisan. Aya seueur kasus di daérah bisnis utama kami, dimana hésé nerapkeun téknologi AI kusabab keterbatasan data anu sayogi. Ku nerapkeun téknologi ieu, prosés tuning parameter augmentasi data tiasa dihapus, sareng parameterna tiasa disaluyukeun sacara otomatis. Ku alatan éta, tiasa dipiharep yén rentang aplikasi téknologi AI tiasa sumebar langkung lega. Ka hareupna, ku cara ngagancangkeun panalungtikan sareng pamekaran téknologi ieu, kami bakal damel pikeun ngawujudkeun téknologi AI anu tiasa dianggo dina lingkungan dunya nyata sapertos alat sareng sistem anu biasa. Téknologi ieu mangrupikeun hasil panalungtikan anu dilakukeun ku Pusat Téknologi AI Digital, Divisi Téknologi, Laboratorium AI Perusahaan R&D Panasonic Amérika.
Gambar 2: AutoDO ngarengsekeun masalah augmentasi data (dilema Shared-policy DA). Sebaran data augmented train (biru putus-putus) tiasa henteu cocog sareng data tés (beureum padet) dina rohangan laten:
"2" kurang ditambahan, sedengkeun "5" kaleuleuwihi ditambahan. Hasilna, metode sateuacanna teu tiasa cocog sareng distribusi tés sareng kaputusan klasifikasi f(θ) anu dipelajari teu akurat.
Rincian téknologi ieu bakal dipidangkeun dina CVPR2021 (anu bakal diayakeun ti mimiti 19 Juni 2017).
Pesen di luhur asalna tina situs wéb resmi Panasonic!
Waktos posting: 03-Jun-2021
