Panasonic desenvolve dúas tecnoloxías avanzadas de IA,
Aceptado para CVPR2021,
a conferencia internacional líder mundial en tecnoloxía de IA
[1] Inicio Xenoma da acción: Comprensión da acción composicional contrastiva
É para nós un pracer anunciar que desenvolvemos un novo conxunto de datos "Xenoma da acción doméstica" que recolle as actividades diarias dos humanos nos seus fogares mediante varios tipos de sensores, como 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 en IA para axudar ás persoas nos espazos habitables.
Ademais do anterior, desenvolvemos unha tecnoloxía de aprendizaxe cooperativa para o recoñecemento xerárquico de actividades 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 de comportamento detalladas e, polo tanto, mellorar o rendemento do recoñecemento de actividades complexas en espazos habitables.
Esta tecnoloxía é o resultado dunha investigación levada a cabo en colaboración entre o Centro de Tecnoloxía de IA Dixital, a División de Tecnoloxía, e o Laboratorio de Visión e Aprendizaxe de Stanford da Universidade de Stanford.
Figura 1: Comprensión da acción composicional cooperativa (CCAU). O adestramento cooperativo de todas as modalidades conxuntamente permítenos ver un mellor rendemento.
Empregamos o adestramento con etiquetas de acción atómica e a nivel de vídeo para permitir que tanto os vídeos como as accións atómicas se beneficien das interaccións composicionais entre ambos.
[2] AutoDO: AutoAumentación robusta para datos sesgados con ruído de etiqueta mediante diferenciación implícita probabilística escalable
Tamén nos comprace anunciar que desenvolvemos unha nova tecnoloxía de aprendizaxe automática que realiza automaticamente o aumento óptimo de datos 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 onde é difícil aplicar a tecnoloxía de IA debido ás limitacións dos datos dispoñibles. Ao aplicar esta tecnoloxía, pódese eliminar o proceso de axuste dos parámetros de aumento de datos e os parámetros pódense axustar automaticamente. Polo tanto, espérase que o rango de aplicación da tecnoloxía de IA se poida estender máis amplamente. No futuro, acelerando aínda máis a investigación e o desenvolvemento desta tecnoloxía, traballaremos para conseguir unha tecnoloxía de IA que se poida usar en contornas do mundo real, como dispositivos e sistemas familiares. Esta tecnoloxía é o resultado da investigación realizada polo Centro de Tecnoloxía de IA Dixital, División de Tecnoloxía, Laboratorio de IA de Panasonic R&D Company of America.
Figura 2: AutoDO resolve o problema do aumento de datos (dilema DA de política compartida). A distribución dos datos do tren aumentado (azul discontinuo) pode non coincidir cos datos de proba (vermello sólido) no espazo latente:
"2" está subaumentado, mentres que "5" está sobreaumentado. Como resultado, os métodos anteriores non poden coincidir coa distribución de proba e a decisión do clasificador aprendido f(θ) é inexacta.
Os detalles destas tecnoloxías presentaranse na CVPR2021 (que se celebrará a partir do 19 de xuño de 2017).
A mensaxe de arriba provén do sitio web oficial de Panasonic!
Data de publicación: 03-06-2021
