Panasonic entwickelt zwei fortschrittliche KI-Technologien:
Akzeptiert zum CVPR2021,
die weltweit führende internationale KI-Technologiekonferenz
[1] Home Action Genome: Kontrastives kompositorisches Aktionsverständnis
Wir freuen uns, Ihnen mitteilen zu können, dass wir einen neuen Datensatz „Home Action Genome“ entwickelt haben, der die täglichen Aktivitäten des Menschen in seinen Häusern mithilfe verschiedener Arten von Sensoren, darunter Kameras, Mikrofone und Wärmesensoren, erfasst. Wir haben den weltweit größten multimodalen Datensatz für Wohnräume erstellt und veröffentlicht, während die meisten Datensätze für Wohnräume von kleinem Maßstab waren. Durch die Anwendung dieses Datensatzes können KI-Forscher ihn als Trainingsdaten für maschinelles Lernen und KI-Forschung nutzen, um Menschen im Lebensraum zu unterstützen.
Darüber hinaus haben wir eine kooperative Lerntechnologie zur hierarchischen Aktivitätserkennung in multimodalen und multiplen Blickwinkeln 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 einer Forschung, die in Zusammenarbeit zwischen dem Digital AI Technology Center, Technology Division, und dem Stanford Vision and Learning Lab der Stanford University durchgeführt wurde.
Abbildung 1: Cooperative Compositional Action Understanding (CCAU) Durch das gemeinsame Training aller Modalitäten können wir eine verbesserte Leistung feststellen.
Wir verwenden Schulungen, bei denen sowohl Videoebene als auch atomare Aktionsbezeichnungen verwendet werden, damit sowohl die Videos als auch die atomaren Aktionen von den kompositorischen Interaktionen zwischen beiden profitieren können.
[2] AutoDO: Robustes AutoAugment für verzerrte Daten mit Etikettenrauschen durch skalierbare probabilistische implizite Differenzierung
Wir freuen uns außerdem, Ihnen mitteilen zu können, dass wir eine neue Technologie für maschinelles Lernen entwickelt haben, die automatisch eine optimale Datenerweiterung entsprechend der Verteilung der Trainingsdaten durchführt. Diese Technologie kann auf reale Situationen angewendet werden, in denen die verfügbaren Daten sehr gering sind. In unseren Hauptgeschäftsfeldern gibt es viele Fälle, in denen der Einsatz von KI-Technologie aufgrund der begrenzten verfügbaren Daten schwierig ist. Durch die Anwendung dieser Technologie kann der Abstimmungsprozess der Datenerweiterungsparameter eliminiert werden und die Parameter können automatisch angepasst werden. Daher ist zu erwarten, dass der Anwendungsbereich der KI-Technologie breiter gefächert werden kann. Durch die weitere Beschleunigung der Forschung und Entwicklung dieser Technologie werden wir in Zukunft daran arbeiten, KI-Technologie zu realisieren, die in realen Umgebungen wie vertrauten Geräten und Systemen eingesetzt werden kann. Diese Technologie ist das Ergebnis einer 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 (Shared-Policy-DA-Dilemma). Die Verteilung der erweiterten Zugdaten (gestrichelt blau) stimmt möglicherweise nicht mit den Testdaten (durchgehend rot) im latenten Raum überein:
„2“ bedeutet zu wenig, „5“ zu viel. Infolgedessen können frühere Methoden nicht mit der Testverteilung übereinstimmen und die Entscheidung des erlernten Klassifikators f(θ) ist ungenau.
Die Einzelheiten dieser Technologien werden auf der CVPR2021 (ab 19. Juni 2017) vorgestellt.
Die obige Nachricht stammt von der offiziellen Website von Panasonic!
Zeitpunkt der Veröffentlichung: 03.06.2021
