Panasonic desenvolve dúas tecnoloxías avanzadas de intelixencia artificial,
Aceptado para CVPR2021,
a Conferencia Internacional de Tecnoloxía de IA líder do mundo
[1] Home Action Genome: Contrastive Compositional Action Understanding
Temos o pracer de anunciar que desenvolvemos un novo conxunto de datos "Home Action Genome" que recolle as actividades diarias dos humanos nos seus fogares utilizando varios tipos de sensores, incluíndo cámaras, micrófonos e sensores térmicos. Construímos e publicamos o conxunto de datos multimodal máis grande do mundo para espazos habitables, mentres que a maioría dos conxuntos de datos para espazos habitables foron de pequena escala. Ao aplicar este conxunto de datos, os investigadores de IA poden usalo como datos de adestramento para a aprendizaxe automática e a investigación de IA para apoiar ás persoas no espazo vital.
Ademais do anterior, desenvolvemos unha tecnoloxía de aprendizaxe cooperativa para o recoñecemento xerárquico da actividade en puntos de vista multimodais e múltiples. Ao aplicar esta tecnoloxía, podemos aprender características consistentes entre diferentes puntos de vista, sensores, comportamentos xerárquicos e etiquetas detalladas de comportamento, e así mellorar o rendemento de recoñecemento de actividades complexas nos espazos habituais.
Esta tecnoloxía é o resultado da investigación realizada en colaboración entre o Centro Tecnolóxico de Intelixencia Artificial Dixital, a División de Tecnoloxía e o Laboratorio de Visión e Aprendizaxe de Stanford da Universidade de Stanford.
Figura 1: Comprensión de acción de composición cooperativa (CCAU) O adestramento cooperativo de todas as modalidades en conxunto permítenos ver un rendemento mellorado.
Utilizamos o adestramento usando etiquetas de accións atómicas e de nivel de vídeo para permitir que os vídeos e as accións atómicas se beneficien das interaccións compositivas entre ambas.
[2] AutoDO: Aumento automático robusto para datos sesgados con ruído de etiqueta mediante diferenciación implícita probabilística escalable
Tamén temos o pracer de anunciar que desenvolvemos unha nova tecnoloxía de aprendizaxe automática que realiza automaticamente un aumento de datos óptimo segundo a distribución dos datos de adestramento. Esta tecnoloxía pódese aplicar a situacións do mundo real, onde os datos dispoñibles son moi pequenos. Hai moitos casos nas nosas principais áreas de negocio, nos que é difícil aplicar a tecnoloxía de IA debido ás limitacións dos datos dispoñibles. Ao aplicar esta tecnoloxía, o proceso de axuste dos parámetros de aumento de datos pódese eliminar e os parámetros pódense axustar automaticamente. Polo tanto, pódese esperar que o rango de aplicación da tecnoloxía de IA se estenda máis amplamente. No futuro, ao acelerar aínda máis a investigación e o desenvolvemento desta tecnoloxía, traballaremos para realizar tecnoloxía de IA que se poida usar en ambientes do mundo real, como dispositivos e sistemas familiares. Esta tecnoloxía é o resultado da investigación realizada polo Digital AI Technology Center, Technology Division, AI Laboratory da Panasonic R&D Company of America.
Figura 2: AutoDO resolve o problema do aumento de datos (dilema da política compartida DA). A distribución dos datos aumentados do tren (azul discontinuo) pode non coincidir cos datos da proba (vermello continuo) no espazo latente:
"2" está subincrementado, mentres que "5" está superaumentado. Como resultado, os métodos anteriores non poden coincidir coa distribución da proba e a decisión do clasificador aprendido f(θ) é inexacta.
Os detalles destas tecnoloxías presentaranse no CVPR2021 (que se celebrará a partir do 19 de xuño de 2017).
A mensaxe anterior vén do sitio web oficial de Panasonic.
Hora de publicación: 03-06-2021
