Panasonic эки өнүккөн AI технологияларын иштеп чыгат,
CVPR2021 кабыл алынган,
Дүйнөдөгү алдыңкы эл аралык AI технологиялык конференциясы
[1] Home Action Genome: Contrastive Compositional Action Understanding
Биз камераларды, микрофондорду жана жылуулук сенсорлорду камтыган сенсорлордун бир нече түрүн колдонуу менен адамдын үйүндөгү күнүмдүк иш-аракеттерин чогулткан жаңы "Үй аракетинин геному" маалымат топтомун иштеп чыкканыбызды кубануу менен билдиребиз. Биз жашоо мейкиндиктери үчүн дүйнөдөгү эң чоң мультимодалдык маалымат топтомун куруп, чыгардык, ал эми жашоо мейкиндиктери үчүн маалымат топтомдорунун көбү чакан масштабда болгон. Бул маалымат топтомун колдонуу менен, AI изилдөөчүлөрү аны жашоо мейкиндигинде адамдарды колдоо үчүн машинаны үйрөнүү жана AI изилдөөлөрү үчүн окуу маалыматы катары колдоно алышат.
Жогоруда айтылгандардан тышкары, биз мультимодалдык жана көп көз караштарда иерархиялык активдүүлүктү таануу үчүн биргелешкен окутуу технологиясын иштеп чыктык. Бул технологияны колдонуу менен, биз ар кандай көз караштар, сенсорлор, иерархиялык жүрүм-турум жана деталдаштырылган жүрүм-турум энбелгилери ортосундагы ырааттуу өзгөчөлүктөрдү үйрөнө алабыз, жана ошентип жашоо мейкиндигинде татаал иш-аракеттерди таануу көрсөткүчтөрүн жакшыртабыз.
Бул технология Digital AI Технология борбору, Технология бөлүмү жана Стэнфорд университетинин Стэнфорд көрүү жана үйрөнүү лабораториясы менен биргеликте жүргүзүлгөн изилдөөлөрдүн натыйжасы.
1-сүрөт: Кооперативдик Композициялык аракетти түшүнүү (CCAU) Бардык ыкмаларды биргелешип үйрөтүү бизге жакшыртылган натыйжалуулукту көрүүгө мүмкүндүк берет.
Биз видео-деңгээлдеги жана атомдук иш-аракеттердин энбелгилерин колдонуп, видеолорду жана атомдук аракеттерди экөөнүн ортосундагы композициялык өз ара аракеттенүүдөн пайда көрүүгө мүмкүнчүлүк берүү үчүн тренингдерди колдонобуз.
[2] AutoDO: масштабдуу ыктымалдык кыйыр дифференциация аркылуу энбелги ызы-чуусу менен бир жактуу маалыматтар үчүн бекем AutoAugment
Биз ошондой эле окутуу маалыматтарынын бөлүштүрүлүшүнө ылайык маалыматтарды оптималдуу көбөйтүүнү автоматтык түрдө аткарган жаңы машина үйрөнүү технологиясын иштеп чыкканыбызды кубанычтуубуз. Бул технология жеткиликтүү маалыматтар өтө аз болгон реалдуу дүйнө кырдаалдарында колдонулушу мүмкүн. Биздин негизги бизнес аймактарыбызда AI технологиясын колдонуу кыйын болгон көптөгөн учурлар бар, анткени жеткиликтүү маалыматтардын чектелүү. Бул технологияны колдонуу менен, маалыматтарды көбөйтүү параметрлерин тюнинг процессин жок кылууга болот, жана параметрлери автоматтык түрдө жөнгө салынышы мүмкүн. Демек, AI технологиясын колдонуу диапазону кененирээк жайылтылат деп күтүүгө болот. Келечекте, бул технологияны изилдөө жана иштеп чыгууну андан ары тездетүү менен, биз тааныш түзмөктөр жана системалар сыяктуу реалдуу чөйрөдө колдонула турган AI технологиясын ишке ашыруу үчүн иштейбиз. Бул технология Американын Panasonic R&D компаниясынын Digital AI Технология борбору, Технология бөлүмү, AI лабораториясы тарабынан жүргүзүлгөн изилдөөлөрдүн натыйжасы.
2-сүрөт: AutoDO маалыматтарды көбөйтүү маселесин чечет (Shared-policy DA дилеммасы). Көбөйтүлгөн поезд маалыматтарынын бөлүштүрүлүшү (сызык көк) жашыруун мейкиндиктеги тесттик маалыматтарга (ток кызыл) дал келбеши мүмкүн:
"2" аз көбөйтүлгөн, ал эми "5" ашыкча көбөйгөн. Натыйжада, мурунку ыкмалар тесттик бөлүштүрүүгө дал келбейт жана үйрөнүлгөн классификатордун чечими f(θ) туура эмес.
Бул технологиялардын чоо-жайы CVPR2021де көрсөтүлөт (2017-жылдын 19-июнунда өткөрүлөт).
Жогорудагы билдирүү Panasonic расмий сайтынан алынган!
Посттун убактысы: 03-03-2021
