Panasonic развива две напредни технологии за вештачка интелигенција,
Прифатено за CVPR2021,
Водечка меѓународна конференција за технологија за вештачка интелигенција во светот

[1] Домашен акционен геном: Разбирање на контрастно композициско дејство

Задоволство ни е да објавиме дека развивме нова база на податоци „Home Action Genome“ која ги собира секојдневните активности на луѓето во нивните домови користејќи неколку видови сензори, вклучувајќи камери, микрофони и термички сензори. Конструиравме и објавивме најголема мултимодална база на податоци во светот за простори за живеење, додека повеќето збирки на податоци за простори за живеење беа мали во обем. Со примена на оваа база на податоци, истражувачите на вештачката интелигенција можат да ја користат како податоци за обука за машинско учење и истражување за вештачка интелигенција за поддршка на луѓето во просторот за живеење.

Покрај горенаведеното, развивме технологија за кооперативно учење за хиерархиско препознавање на активности во мултимодални и повеќекратни гледишта. Со примена на оваа технологија, можеме да научиме конзистентни карактеристики помеѓу различни гледишта, сензори, хиерархиско однесување и детални ознаки за однесување, и на тој начин да го подобриме препознавањето на сложените активности во просторите за живеење.
Оваа технологија е резултат на истражување спроведено во соработка помеѓу Центарот за технологија за дигитална вештачка интелигенција, Одделот за технологија и лабораторијата за визија и учење Stanford на Универзитетот Стенфорд.

Слика 1: Разбирање на кооперативна композициска акција (CCAU) Кооперативната обука на сите модалитети заедно ни овозможува да видиме подобрени перформанси.
Ние користиме обука користејќи етикети на ниво на видео и атомско дејство за да им овозможиме на видеата и на атомските дејства да имаат корист од композициските интеракции помеѓу двете.

[2] AutoDO: робусно автоматско засилување за пристрасни податоци со шум на етикети преку скалабилна веројатност имплицитна диференцијација

Задоволство ни е да објавиме дека развивме нова технологија за машинско учење која автоматски врши оптимално зголемување на податоците според дистрибуцијата на податоците за обуката. Оваа технологија може да се примени во ситуации во реалниот свет, каде што достапните податоци се многу мали. Има многу случаи во нашите главни деловни области, каде што е тешко да се примени технологијата за вештачка интелигенција поради ограничувањата на достапните податоци. Со примена на оваа технологија, процесот на подесување на параметрите за зголемување на податоците може да се елиминира, а параметрите може да се прилагодуваат автоматски. Затоа, може да се очекува дека опсегот на апликации на технологијата за вештачка интелигенција може да се шири пошироко. Во иднина, со дополнително забрзување на истражувањето и развојот на оваа технологија, ќе работиме на реализација на технологијата за вештачка интелигенција која може да се користи во реални средини како што се познати уреди и системи. Оваа технологија е резултат на истражувањето спроведено од Центарот за технологија за дигитална вештачка интелигенција, Одделот за технологија, Лабораторијата за вештачка интелигенција на компанијата за истражување и развој Panasonic од Америка.

Слика 2: AutoDO го решава проблемот со зголемувањето на податоците (дилема на DA со заедничка политика).
„2“ е недоволно зголемено, додека „5“ е презголемено. Како резултат на тоа, претходните методи не можат да одговараат на распределбата на тестот и одлуката на научениот класификатор f(θ) е неточна.