پاناسونیک دو فناوری پیشرفته AI را توسعه می دهد ،
پذیرفته شده برای CVPR2021 ،
کنفرانس بین المللی فناوری هوش مصنوعی جهان
[1] ژنوم اکشن خانگی: درک عملکرد ترکیبی متضاد
ما خوشحالیم که اعلام می کنیم یک مجموعه داده جدید "ژنوم عملکرد خانگی" ایجاد کرده ایم که فعالیت های روزانه انسان را در خانه های آنها با استفاده از چندین سنسور از جمله دوربین ، میکروفون و سنسورهای حرارتی جمع می کند. ما بزرگترین مجموعه داده چند حالته جهان را برای فضاهای زندگی ساخته و منتشر کرده ایم ، در حالی که بیشتر مجموعه داده های فضاهای زندگی در مقیاس کوچک بوده است. محققان هوش مصنوعی با استفاده از این مجموعه داده می توانند از آن به عنوان داده های آموزشی برای یادگیری ماشین و تحقیقات هوش مصنوعی برای پشتیبانی از افراد در فضای زندگی استفاده کنند.
علاوه بر موارد فوق ، ما یک فناوری یادگیری تعاونی برای شناخت فعالیت سلسله مراتبی در دیدگاه های چند مدلی و چندگانه ایجاد کرده ایم. با استفاده از این فناوری ، می توانیم بین دیدگاههای مختلف ، سنسورها ، رفتارهای سلسله مراتبی و برچسب های رفتار دقیق ، ویژگی های مداوم را بیاموزیم و در نتیجه عملکرد شناخت فعالیتهای پیچیده را در فضاهای زندگی بهبود بخشیم.
این فناوری نتیجه تحقیقاتی است که با همکاری بین مرکز فناوری دیجیتال هوش مصنوعی ، بخش فناوری و آزمایشگاه استنفورد و آزمایشگاه یادگیری در دانشگاه استنفورد انجام شده است.
شکل 1: درک عملکرد ترکیبی تعاونی (CCAU) که به طور مشارکتی آموزش همه روشها با هم به ما امکان می دهد عملکرد بهبود یافته را ببینیم.
ما از آموزش با استفاده از برچسب های اکشن سطح ویدیویی و اتمی استفاده می کنیم تا هم فیلم ها و هم اقدامات اتمی از تعامل ترکیبی بین این دو بهره مند شوند.
[2] AutoDo: اتواتوم قوی برای داده های مغرضانه با نویز برچسب از طریق تمایز ضمنی احتمالی مقیاس پذیر
ما همچنین خوشحالیم که اعلام می کنیم یک فناوری جدید یادگیری ماشین را توسعه داده ایم که به طور خودکار با توجه به توزیع داده های آموزشی ، افزایش داده های بهینه را انجام می دهد. این فناوری را می توان در موقعیت های دنیای واقعی ، که در آن داده های موجود بسیار اندک است ، استفاده کرد. موارد بسیاری در زمینه های اصلی تجارت ما وجود دارد ، که استفاده از فناوری هوش مصنوعی به دلیل محدودیت داده های موجود دشوار است. با استفاده از این فناوری ، فرآیند تنظیم پارامترهای تقویت داده ها می تواند از بین برود و پارامترها را می توان به صورت خودکار تنظیم کرد. بنابراین می توان انتظار داشت که دامنه کاربرد فناوری هوش مصنوعی به طور گسترده ای گسترش یابد. در آینده ، با تسریع بیشتر تحقیق و توسعه این فناوری ، ما برای تحقق فناوری هوش مصنوعی که می تواند در محیط های دنیای واقعی مانند دستگاه ها و سیستم های آشنا استفاده شود ، تلاش خواهیم کرد. این فناوری نتیجه تحقیقات انجام شده توسط مرکز فناوری دیجیتال هوش مصنوعی ، بخش فناوری ، آزمایشگاه هوش مصنوعی شرکت تحقیق و توسعه پاناسونیک آمریکا است.
شکل 2: Autodo مشکل تقویت داده ها (معضل DA با سیاست مشترک) را حل می کند. توزیع داده های قطار افزوده (آبی متراکم) ممکن است با داده های آزمون (قرمز جامد) در فضای نهفته مطابقت نداشته باشد:
"2" زیر اوج است ، در حالی که "5" بیش از حد مورد استفاده قرار می گیرد. در نتیجه ، روشهای قبلی نمی توانند با توزیع آزمون مطابقت داشته باشند و تصمیم طبقه بندی آموخته شده F (θ) نادرست است.
جزئیات این فناوری ها در CVPR2021 (که از 19 ژوئن 2017 برگزار می شود) ارائه می شود.
پیام فوق از وب سایت رسمی پاناسونیک آمده است!
زمان پست: ژوئن -03-2021
