Panasonic þróar tvær háþróaðar gervigreindartækni,
Samþykkt í CVPR2021,
Leiðandi alþjóðleg ráðstefna heims um gervigreindartækni
[1] Heim Aðgerð Erfðamengi: Skilningur á andstæðum samsetningaraðgerðum
Við erum ánægð að tilkynna að við höfum þróað nýtt gagnasafn, „Home Action Genome“, sem safnar daglegum athöfnum manna á heimilum þeirra með því að nota ýmsar gerðir skynjara, þar á meðal myndavélar, hljóðnema og hitaskynjara. Við höfum smíðað og gefið út stærsta fjölþátta gagnasafn heims fyrir íbúðarrými, en flest gagnasöfn fyrir íbúðarrými hafa verið lítil í sniðum. Með því að nota þetta gagnasafn geta gervigreindarvísindamenn notað það sem þjálfunargögn fyrir vélanám og gervigreindarrannsóknir til að styðja fólk í íbúðarrými.
Auk þess sem að framan greinir höfum við þróað samvinnunámstækni fyrir stigveldisbundna virknigreiningu í fjölþátta og margvíslegum sjónarhornum. Með því að beita þessari tækni getum við lært samræmi milli mismunandi sjónarhorna, skynjara, stigveldishegðunar og nákvæmra hegðunarmerkja og þannig bætt greiningargetu flókinna athafna í búseturými.
Þessi tækni er afrakstur rannsókna sem framkvæmdar voru í samstarfi milli Digital AI Technology Center, tæknideildar og Stanford Vision and Learning Lab við Stanford háskóla.
Mynd 1: Samvinnuskilningur á samsetningaraðgerðum (CCAU). Samvinnuþjálfun allra aðferða gerir okkur kleift að sjá bætta frammistöðu.
Við notum þjálfun með því að nota bæði myndbands- og atómaðgerðarmerki til að leyfa bæði myndböndunum og atómaðgerðunum að njóta góðs af samspili þeirra tveggja í samsetningu.
[2] AutoDO: Öflug sjálfvirk aukning fyrir skekkt gögn með merkimiðahávaða með stigstærðri líkindafræðilegri óbeinni aðgreiningu
Við erum einnig ánægð að tilkynna að við höfum þróað nýja vélanámstækni sem framkvæmir sjálfkrafa bestu mögulegu gagnaaukningu í samræmi við dreifingu þjálfunargagna. Þessa tækni er hægt að beita í raunverulegum aðstæðum þar sem tiltæk gögn eru mjög lítil. Það eru mörg tilvik í helstu viðskiptasviðum okkar þar sem erfitt er að beita gervigreindartækni vegna takmarkana á tiltækum gögnum. Með því að beita þessari tækni er hægt að útrýma stillingarferli gagnaaukningarbreytna og aðlaga breyturnar sjálfkrafa. Því má búast við að notkunarsvið gervigreindartækni geti breiðst út víðar. Í framtíðinni, með því að flýta enn frekar fyrir rannsóknum og þróun þessarar tækni, munum við vinna að því að koma á fót gervigreindartækni sem hægt er að nota í raunverulegu umhverfi eins og kunnuglegum tækjum og kerfum. Þessi tækni er afrakstur rannsókna sem framkvæmdar voru af Digital AI Technology Center, Technology Division, AI Laboratory of Panasonic R&D Company of America.
Mynd 2: AutoDO leysir vandamálið með gagnaaukningu (DA-vandamál með sameiginlegri stefnu). Dreifing aukinna lestargagna (strikað blátt) gæti ekki passað við prófunargögnin (raut) í dulda rýminu:
„2“ er vanstækkað en „5“ er ofstækkað. Þar af leiðandi geta fyrri aðferðir ekki passað við prófdreifinguna og ákvörðun lærða flokkarans f(θ) er ónákvæm.
Nánari upplýsingar um þessa tækni verða kynntar á CVPR2021 (sem haldin verður frá 19. júní 2017).
Ofangreind skilaboð eru af opinberu vefsíðu Panasonic!
Birtingartími: 3. júní 2021
