Panasonic entwickelt zwei fortschrittliche KI-Technologien
Für CVPR2021 angenommen,
die weltweit führende internationale KI-Technologiekonferenz
[1] Home Action Genome: Contrastive Compositional Action Understanding
Wir freuen uns, die Entwicklung unseres neuen Datensatzes „Home Action Genome“ bekanntzugeben. Dieser erfasst mithilfe verschiedener Sensoren, darunter Kameras, Mikrofone und Wärmesensoren, die täglichen Aktivitäten von Menschen in ihren Wohnungen. Wir haben den weltweit größten multimodalen Datensatz für Wohnräume erstellt und veröffentlicht, während die meisten Datensätze für diesen Bereich bisher deutlich kleiner waren. KI-Forscher können diesen Datensatz als Trainingsdaten für maschinelles Lernen und KI-Forschung nutzen, um Menschen in ihrem Wohnumfeld zu unterstützen.
Zusätzlich zu den oben genannten Punkten haben wir eine Technologie für kooperatives Lernen zur hierarchischen Aktivitätserkennung aus verschiedenen Perspektiven und mit unterschiedlichen Sichtfeldern entwickelt. Durch die Anwendung dieser Technologie können wir konsistente Merkmale zwischen verschiedenen Blickwinkeln, Sensoren, hierarchischen Verhaltensweisen und detaillierten Verhaltensbezeichnungen lernen und so die Erkennungsleistung komplexer Aktivitäten in Wohnräumen verbessern.
Diese Technologie ist das Ergebnis von Forschungsarbeiten, die in Zusammenarbeit zwischen dem Digital AI Technology Center, der Technology Division und dem Stanford Vision and Learning Lab der Stanford University durchgeführt wurden.
Abbildung 1: Kooperatives kompositionelles Handlungsverständnis (CCAU) Durch das gemeinsame Training aller Modalitäten können wir eine Leistungssteigerung feststellen.
Wir nutzen das Training mit Video-Level- und Atomaktionslabels, um sowohl den Videos als auch den Atomaktionen die Möglichkeit zu geben, von den kompositionellen Wechselwirkungen zwischen beiden zu profitieren.
[2] AutoDO: Robustes AutoAugment für verzerrte Daten mit Labelrauschen mittels skalierbarer probabilistischer impliziter Differenzierung
Wir freuen uns, Ihnen die Entwicklung einer neuen Technologie für maschinelles Lernen vorstellen zu können, die die Datenerweiterung automatisch und optimal an die Verteilung der Trainingsdaten anpasst. Diese Technologie eignet sich für reale Anwendungsfälle mit geringen Datenmengen. In vielen unserer Kerngeschäftsfelder ist der Einsatz von KI-Technologien aufgrund begrenzter Datenverfügbarkeit schwierig. Durch den Einsatz dieser Technologie entfällt die manuelle Anpassung der Datenerweiterungsparameter; diese werden automatisch optimiert. Dadurch dürfte sich der Anwendungsbereich von KI-Technologien deutlich erweitern. Zukünftig werden wir die Forschung und Entwicklung dieser Technologie weiter intensivieren, um KI-Anwendungen für den Einsatz in realen Umgebungen wie vertrauten Geräten und Systemen zu realisieren. Diese Technologie ist das Ergebnis der Forschung des Digital AI Technology Center, Technology Division, AI Laboratory der Panasonic R&D Company of America.
Abbildung 2: AutoDO löst das Problem der Datenerweiterung (Dilemma der gemeinsamen Datenrichtlinie). Die Verteilung der erweiterten Trainingsdaten (gestrichelt blau) stimmt möglicherweise nicht mit der Verteilung der Testdaten (durchgezogen rot) im latenten Raum überein:
„2“ ist unteraugmentiert, während „5“ überaugmentiert ist. Daher können bisherige Methoden die Testverteilung nicht abbilden, und die Entscheidung des gelernten Klassifikators f(θ) ist ungenau.
Die Details dieser Technologien werden auf der CVPR2021 (die vom 19. Juni 2017 an stattfindet) vorgestellt.
Die obige Meldung stammt von der offiziellen Panasonic-Website!
Veröffentlichungsdatum: 03.06.2021
