Panasonic ავითარებს ორი მოწინავე AI ტექნოლოგიას,
მიღებულია CVPR2021,
მსოფლიოს წამყვანი საერთაშორისო AI ტექნოლოგიის კონფერენცია
[1] სახლის მოქმედების გენომი: კონტრასტული კომპოზიციური მოქმედების გაგება
მოხარული ვართ, რომ ჩვენ განვაცხადოთ, რომ ჩვენ შევიმუშავეთ ახალი მონაცემთა ბაზა "სახლის მოქმედების გენომი", რომელიც აგროვებს ადამიანის ყოველდღიურ საქმიანობას საკუთარ სახლებში, რამდენიმე ტიპის სენსორის გამოყენებით, მათ შორის კამერები, მიკროფონები და თერმული სენსორები. ჩვენ ავაშენეთ და გავათავისუფლეთ მსოფლიოს უდიდესი მულტიმოდური მონაცემთა ბაზა საცხოვრებელი ფართებისთვის, ხოლო საცხოვრებელი ფართებისთვის მონაცემთა უმეტესობა მცირე მასშტაბით იყო. ამ მონაცემთა ბაზის გამოყენებით, AI მკვლევარებს შეუძლიათ გამოიყენონ იგი, როგორც ტრენინგის მონაცემები მანქანათმცოდნეობის და AI კვლევისთვის, რათა დაეხმარონ საცხოვრებელ სივრცეში მყოფ ადამიანებს.
ზემოაღნიშნულის გარდა, ჩვენ შევიმუშავეთ კოოპერატიული სასწავლო ტექნოლოგია იერარქიული საქმიანობის აღიარებისთვის მულტიმოდულ და მრავალ თვალსაზრისით. ამ ტექნოლოგიის გამოყენებით, ჩვენ შეგვიძლია ვისწავლოთ თანმიმდევრული მახასიათებლები სხვადასხვა თვალსაზრისს, სენსორებს, იერარქიულ ქცევებსა და ქცევის დეტალურ ეტიკეტებს შორის და ამით გავაუმჯობესოთ საცხოვრებელი ადგილებში რთული საქმიანობის აღიარების შესრულება.
ეს ტექნოლოგია არის კვლევის შედეგი, რომელიც ჩატარდა სტენფორდის უნივერსიტეტში ციფრული AI ტექნოლოგიის ცენტრის, ტექნოლოგიების განყოფილებისა და სტენფორდის ხედვისა და სწავლის ლაბორატორიაში.
ფიგურა 1: კოოპერატივი კომპოზიციური მოქმედების გაგება (CCAU) თანამშრომლობის მომზადებას ყველა მოდალობის მომზადება საშუალებას გვაძლევს ვნახოთ გაუმჯობესებული შესრულება.
ჩვენ ვიყენებთ ტრენინგს როგორც ვიდეო დონის, ისე ატომური მოქმედების ეტიკეტების გამოყენებით, რათა დაუშვან როგორც ვიდეო და ატომური მოქმედებები, ისარგებლონ ამ ორს შორის კომპოზიციური ურთიერთქმედებით.
[2] Autodo: ძლიერი აუტოგმენტი მიკერძოებული მონაცემებისთვის ეტიკეტის ხმაურით მასშტაბური სავარაუდო იმპლიციტური დიფერენციაციის გზით
ჩვენ ასევე მოხარული ვართ გამოვაცხადოთ, რომ ჩვენ შევიმუშავეთ ახალი მანქანათმცოდნეობის ტექნოლოგია, რომელიც ავტომატურად ასრულებს მონაცემთა ოპტიმალურ გაძლიერებას ტრენინგის მონაცემების განაწილების მიხედვით. ეს ტექნოლოგია შეიძლება გამოყენებულ იქნას რეალურ სამყაროში, სადაც არსებული მონაცემები ძალიან მცირეა. ჩვენს მთავარ ბიზნეს სფეროებში მრავალი შემთხვევაა, სადაც ძნელია AI ტექნოლოგიის გამოყენება არსებული მონაცემების შეზღუდვების გამო. ამ ტექნოლოგიის გამოყენებით, მონაცემთა გადაცემის პარამეტრების შერწყმის პროცესი შეიძლება აღმოიფხვრას, ხოლო პარამეტრების ავტომატურად კორექტირება შესაძლებელია. აქედან გამომდინარე, შეიძლება მოსალოდნელი იყოს, რომ AI ტექნოლოგიის აპლიკაციის დიაპაზონი შეიძლება უფრო ფართოდ გავრცელდეს. სამომავლოდ, ამ ტექნოლოგიის კვლევისა და განვითარების შემდგომი დაჩქარებით, ჩვენ ვიმუშავებთ AI ტექნოლოგიის რეალიზაციისთვის, რომელიც შეიძლება გამოყენებულ იქნას რეალურ სამყაროში გარემოში, როგორიცაა ნაცნობი მოწყობილობები და სისტემები. ეს ტექნოლოგია არის ციფრული AI ტექნოლოგიის ცენტრის, ტექნოლოგიების განყოფილების, AI Laboratory- ის მიერ ჩატარებული კვლევის შედეგი ამერიკის Panasonic R&D Company.
სურათი 2: Autodo აგვარებს მონაცემთა გაძლიერების პრობლემას (საერთო პოლიტიკის DA დილემა). დამატებული მატარებლის მონაცემების განაწილება (გამონაყარი ლურჯი) შეიძლება არ შეესაბამებოდეს ტესტის მონაცემებს (მყარი წითელი) ლატენტურ სივრცეში:
"2" არ არის აგებული, ხოლო "5"-ზე მეტია. შედეგად, წინასწარი მეთოდები ვერ შეესაბამება ტესტის განაწილებას და მიღებული კლასიფიკატორის F (θ) გადაწყვეტილებას არაზუსტია.
ამ ტექნოლოგიების დეტალები წარმოდგენილი იქნება CVPR2021- ზე (გაიმართება 2017 წლის 19 ივნისიდან).
ზემოთ მოცემულია შეტყობინება Panasonic ოფიციალური ვებსაიტიდან!
პოსტის დრო: JUN-03-2021
