Panasonic Mengembangkan Dua Teknologi AI Canggih,
Diterima di CVPR2021,
Konferensi Teknologi AI Internasional Terkemuka di Dunia
[1] Genom Aksi Rumah: Pemahaman Aksi Komposisi Kontrastif
Dengan senang hati kami mengumumkan bahwa kami telah mengembangkan dataset baru "Home Action Genome" yang mengumpulkan aktivitas harian manusia di rumah mereka menggunakan beberapa jenis sensor, termasuk kamera, mikrofon, dan sensor termal. Kami telah membangun dan merilis dataset multimodal terbesar di dunia untuk ruang hunian, sementara sebagian besar dataset untuk ruang hunian berskala kecil. Dengan menerapkan dataset ini, peneliti AI dapat menggunakannya sebagai data pelatihan untuk pembelajaran mesin dan penelitian AI untuk mendukung manusia di ruang hunian.
Selain hal-hal di atas, kami telah mengembangkan teknologi pembelajaran kooperatif untuk pengenalan aktivitas hierarkis dalam berbagai modalitas dan sudut pandang. Dengan menerapkan teknologi ini, kita dapat mempelajari fitur-fitur yang konsisten antara berbagai sudut pandang, sensor, perilaku hierarkis, dan label perilaku yang detail, sehingga meningkatkan kinerja pengenalan aktivitas kompleks di ruang hidup.
Teknologi ini merupakan hasil penelitian yang dilakukan melalui kolaborasi antara Pusat Teknologi AI Digital, Divisi Teknologi, dan Laboratorium Visi dan Pembelajaran Stanford di Universitas Stanford.
Gambar 1: Pemahaman Aksi Komposisional Kooperatif (CCAU) Melatih semua modalitas secara kooperatif bersama-sama memungkinkan kita untuk melihat peningkatan kinerja.
Kami menggunakan pelatihan dengan memanfaatkan label tingkat video dan label aksi atomik agar baik video maupun aksi atomik dapat memperoleh manfaat dari interaksi komposisional di antara keduanya.
[2] AutoDO: AutoAugment Robust untuk Data Bias dengan Noise Label melalui Diferensiasi Implisit Probabilistik Skalabel
Kami juga dengan senang hati mengumumkan bahwa kami telah mengembangkan teknologi pembelajaran mesin baru yang secara otomatis melakukan augmentasi data optimal sesuai dengan distribusi data pelatihan. Teknologi ini dapat diterapkan pada situasi dunia nyata, di mana data yang tersedia sangat sedikit. Ada banyak kasus di bidang bisnis utama kami, di mana sulit untuk menerapkan teknologi AI karena keterbatasan data yang tersedia. Dengan menerapkan teknologi ini, proses penyetelan parameter augmentasi data dapat dihilangkan, dan parameter dapat disesuaikan secara otomatis. Oleh karena itu, dapat diharapkan bahwa jangkauan aplikasi teknologi AI dapat tersebar lebih luas. Di masa mendatang, dengan lebih mempercepat penelitian dan pengembangan teknologi ini, kami akan berupaya mewujudkan teknologi AI yang dapat digunakan di lingkungan dunia nyata seperti perangkat dan sistem yang sudah dikenal. Teknologi ini merupakan hasil penelitian yang dilakukan oleh Pusat Teknologi AI Digital, Divisi Teknologi, Laboratorium AI dari Perusahaan R&D Panasonic Amerika.
Gambar 2: AutoDO memecahkan masalah augmentasi data (dilema DA kebijakan bersama). Distribusi data pelatihan yang diaugmentasi (garis putus-putus biru) mungkin tidak sesuai dengan data uji (garis merah solid) di ruang laten:
"2" kurang diperkaya, sedangkan "5" diperkaya secara berlebihan. Akibatnya, metode sebelumnya tidak dapat mencocokkan distribusi pengujian dan keputusan pengklasifikasi yang dipelajari f(θ) menjadi tidak akurat.
Rincian teknologi-teknologi ini akan dipresentasikan di CVPR2021 (yang akan diadakan mulai 19 Juni 2017).
Pesan di atas berasal dari situs web resmi Panasonic!
Waktu posting: 03 Juni 2021
