Mae Panasonic yn Datblygu Dau Dechnoleg AI Uwch,
Wedi'i dderbyn i CVPR2021,
Cynhadledd Technoleg AI Ryngwladol Flaenllaw'r Byd
[1] Genom Gweithred Hafan: Dealltwriaeth o Weithred Cyfansoddol Gyferbyniol
Rydym yn falch o gyhoeddi ein bod wedi datblygu set ddata newydd "Home Action Genome" sy'n casglu gweithgareddau dyddiol bodau dynol yn eu cartrefi gan ddefnyddio sawl math o synwyryddion, gan gynnwys camerâu, meicroffonau a synwyryddion thermol. Rydym wedi adeiladu a rhyddhau'r set ddata amlfoddol fwyaf yn y byd ar gyfer mannau byw, tra bod y rhan fwyaf o setiau data ar gyfer mannau byw wedi bod yn fach o ran graddfa. Drwy gymhwyso'r set ddata hon, gall ymchwilwyr AI ei defnyddio fel data hyfforddi ar gyfer dysgu peirianyddol ac ymchwil AI i gefnogi pobl mewn mannau byw.
Yn ogystal â'r uchod, rydym wedi datblygu technoleg dysgu cydweithredol ar gyfer adnabod gweithgaredd hierarchaidd mewn safbwyntiau amlfoddol a lluosog. Drwy gymhwyso'r dechnoleg hon, gallwn ddysgu nodweddion cyson rhwng gwahanol safbwyntiau, synwyryddion, ymddygiadau hierarchaidd, a labeli ymddygiad manwl, a thrwy hynny wella perfformiad adnabod gweithgareddau cymhleth mewn mannau byw.
Mae'r dechnoleg hon yn ganlyniad ymchwil a gynhaliwyd mewn cydweithrediad rhwng y Ganolfan Dechnoleg Deallusrwydd Artiffisial Digidol, yr Adran Dechnoleg, a Labordy Gweledigaeth a Dysgu Stanford ym Mhrifysgol Stanford.
Ffigur1: Dealltwriaeth o Weithredu Cyfansoddol Cydweithredol (CCAU) Mae hyfforddi'r holl ddulliau gyda'i gilydd yn caniatáu inni weld perfformiad gwell.
Rydym yn defnyddio hyfforddiant gan ddefnyddio labeli gweithredu lefel fideo ac atomig i ganiatáu i'r fideos a'r gweithredoedd atomig elwa o'r rhyngweithiadau cyfansoddiadol rhyngddynt.
[2] AutoDO: AutoAugment Cadarn ar gyfer Data Rhagfarnllyd gyda Sŵn Label trwy Wahaniaethu Ymhlyg Probabilistaidd Graddadwy
Rydym hefyd yn falch o gyhoeddi ein bod wedi datblygu technoleg dysgu peirianyddol newydd sy'n perfformio'n awtomatig i gynyddu data'r lefel orau yn ôl dosbarthiad data hyfforddi. Gellir defnyddio'r dechnoleg hon mewn sefyllfaoedd yn y byd go iawn, lle mae'r data sydd ar gael yn fach iawn. Mae yna lawer o achosion yn ein prif feysydd busnes lle mae'n anodd defnyddio technoleg AI oherwydd cyfyngiadau'r data sydd ar gael. Trwy ddefnyddio'r dechnoleg hon, gellir dileu'r broses diwnio o baramedrau cynyddu data, a gellir addasu'r paramedrau'n awtomatig. Felly, gellir disgwyl y gellir lledaenu ystod cymwysiadau technoleg AI yn ehangach. Yn y dyfodol, trwy gyflymu ymchwil a datblygiad y dechnoleg hon ymhellach, byddwn yn gweithio i wireddu technoleg AI y gellir ei defnyddio mewn amgylcheddau byd go iawn fel dyfeisiau a systemau cyfarwydd. Mae'r dechnoleg hon yn ganlyniad ymchwil a gynhaliwyd gan y Ganolfan Dechnoleg AI Digidol, Adran Dechnoleg, Labordy AI Cwmni Ymchwil a Datblygu Panasonic America.
Ffigur 2: Mae AutoDO yn datrys problem cynyddu data (dilema DA polisi a rennir). efallai na fydd dosbarthiad data trên estynedig (glas wedi'i dorri) yn cyd-fynd â'r data prawf (coch solet) yn y gofod cudd:
Mae "2" wedi'i dan-ychwanegu, tra bod "5" wedi'i or-ychwanegu. O ganlyniad, ni all dulliau blaenorol gydweddu â'r dosbarthiad prawf ac mae penderfyniad y dosbarthwr dysgedig f(θ) yn anghywir.
Cyflwynir manylion y technolegau hyn yn CVPR2021 (a gynhelir o 19 Mehefin, 2017).
Daw'r neges uchod o wefan swyddogol Panasonic!
Amser postio: Mehefin-03-2021
