Panasonic disvolvas du progresintajn AI -teknologiojn,
Akceptita al CVPR2021,
la ĉefa internacia AI -teknologia konferenco de la mondo
[1] Hejma Ago -Genomo: Kontrasta Kompona Ago -Kompreno
Ni plaĉas anonci, ke ni disvolvis novan datumbazon "Hejma Ago -Genomo", kiu kolektas la ĉiutagajn agadojn de homoj en siaj hejmoj uzante plurajn specojn de sensiloj, inkluzive de fotiloj, mikrofonoj kaj termikaj sensiloj. Ni konstruis kaj liberigis la plej grandan multimodan datumbazon de la mondo por loĝaj spacoj, dum plej multaj datumaroj por loĝaj spacoj estis malgrandaj skale. Per aplikado de ĉi tiu datumaro, AI -esploristoj povas uzi ĝin kiel trejnajn datumojn por maŝinlernado kaj AI -esplorado por subteni homojn en loĝejo.
Krom ĉi -supre, ni disvolvis kunlaboran lernadan teknologion por hierarkia aktiveco -agnosko en multimodaj kaj multoblaj vidpunktoj. Per aplikado de ĉi tiu teknologio, ni povas lerni konsekvencajn ecojn inter malsamaj vidpunktoj, sensiloj, hierarkiaj kondutoj kaj detalaj kondut -etikedoj, kaj tiel plibonigi la agnoskan agadon de kompleksaj agadoj en loĝaj spacoj.
Ĉi tiu teknologio estas la rezulto de esplorado farita kunlabore inter la Cifereca AI -Teknologia Centro, Teknologia Divido kaj la Stanforda Vision kaj Lernado -Laboratorio en Universitato Stanford.
Figuro1: Kunlabora kunmeta agado -kompreno (CCAU) kunlabore trejnanta ĉiujn kategoriojn kune permesas al ni vidi plibonigitan agadon.
Ni uzas trejnadon uzante ambaŭ video-nivelajn kaj atomajn agadajn etikedojn por permesi al ambaŭ la filmetoj kaj atomaj agoj profiti de la kunmetaĵoj inter la du.
[2] Autodo: Fortika aŭtomata aŭguro por biasaj datumoj kun etikeda bruo per skalebla probabilisma implicita diferencigo
Ni ankaŭ plaĉas anonci, ke ni disvolvis novan maŝinlernan teknologion, kiu aŭtomate plenumas optimuman pliigon de datumoj laŭ la distribuo de trejnaj datumoj. Ĉi tiu teknologio povas esti aplikata al realaj mondaj situacioj, kie la disponeblaj datumoj estas tre malgrandaj. Estas multaj kazoj en niaj ĉefaj komercaj areoj, kie malfacilas apliki AI -teknologion pro la limigoj de la disponeblaj datumoj. Per aplikado de ĉi tiu teknologio, la agorda procezo de datumaj pliigaj parametroj povas esti forigita, kaj la parametroj povas esti ĝustigitaj aŭtomate. Tial oni povas atendi, ke la aplika gamo de AI -teknologio povas esti disvastigita pli vaste. En la estonteco, per plue akcelado de la esplorado kaj disvolviĝo de ĉi tiu teknologio, ni laboros por realigi AI-teknologion uzeblan en real-mondaj medioj kiel familiaraj aparatoj kaj sistemoj. Ĉi tiu teknologio estas la rezulto de esplorado farita de la Cifereca AI -Teknologia Centro, Teknologia Divido, AI Laboratorio de Panasonic R&D Company of America.
Figuro 2: Autodo solvas la problemon de pliigo de datumoj (dividita-politika DA-dilemo). La distribuo de pliigitaj trajnaj datumoj (trablovita bluo) eble ne kongruas kun la testaj datumoj (solida ruĝo) en la latenta spaco:
"2" estas sub-pliigita, dum "5" estas trogmentita. Rezulte, antaŭaj metodoj ne povas kongrui kun la testo -distribuo kaj la decido de la lernita klasifikilo F (θ) estas malĝusta.
La detaloj de ĉi tiuj teknologioj estos prezentitaj ĉe CVPR2021 (okazonta de la 19a de junio 2017).
Supra mesaĝo venas de la oficiala retejo de Panasonic!
Afiŝotempo: Jun-03-2021
