Panasonic-ek bi AI teknologia aurreratu garatu ditu,
CVPR2021erako onartua,
AI Teknologiaren Nazioarteko Konferentzia Nagusia
[1] Home Action Genoma: Contrastive Compositional Action Understanding
Atsegin handiz iragartzen dugu "Home Action Genome" datu-multzo berri bat garatu dugula, eta gizakien eguneroko jarduerak biltzen ditu bere etxeetan hainbat sentsore mota erabiliz, kamerak, mikrofonoak eta sentsore termikoak barne. Biziguneetarako munduko datu-multimodal handiena eraiki eta kaleratu dugu, eta biziguneetarako datu multzo gehienak eskala txikikoak izan dira. Datu-multzo hau aplikatuz, AI ikertzaileek makina ikaskuntzarako eta AI ikerketarako prestakuntza-datu gisa erabil ditzakete bizilekuko jendeari laguntzeko.
Aurrekoaz gain, ikaskuntza kooperatiboko teknologia bat garatu dugu jarduera hierarkikoki antzemateko ikuspuntu multimodal eta anitzetan. Teknologia hau aplikatuz, ikuspuntu, sentsore, jokabide hierarkiko eta portaera etiketa zehatzen arteko ezaugarri koherenteak ikas ditzakegu, eta horrela biziguneetako jarduera konplexuen errendimendua hobetu.
Teknologia hau Digital AI Teknologia Zentroaren, Teknologia Dibisioaren eta Stanford Unibertsitateko Stanford Vision and Learning Lab-en artean elkarlanean egindako ikerketen emaitza da.
1. Irudia: Konposizio Ekintza Kooperatiboaren Ulermena (CCAU) Modalitate guztiak batera trebatzea kooperatiboari esker, errendimendu hobetua ikusten dugu.
Entrenamendua erabiltzen dugu bideo-mailako eta ekintza atomikoen etiketak erabiliz bideoak zein ekintza atomikoak bien arteko konposizio-interakzioetatik onura ateratzeko.
[2] AutoDO: Datu alboratuak eta etiketa zarata duten datuen gehikuntza sendoa, probabilitate inplizitu eskalagarriaren bidez
Pozik gaude, gainera, prestakuntza-datuen banaketaren arabera datuen gehikuntza optimoa automatikoki egiten duen ikaskuntza automatikoko teknologia berri bat garatu dugula iragartzeko. Teknologia hau mundu errealeko egoeretan aplika daiteke, non eskuragarri dauden datuak oso txikiak diren. Gure negozio arlo nagusietan kasu asko daude, non AI teknologia aplikatzea zaila den eskuragarri dauden datuen mugak direla eta. Teknologia hau aplikatuz, datuak handitzeko parametroen sintonizazio-prozesua ezabatu daiteke, eta parametroak automatikoki doi daitezke. Hori dela eta, espero daiteke AI teknologiaren aplikazio-eremua zabalago hedatu daitekeela. Etorkizunean, teknologia honen ikerketa eta garapena gehiago bizkortuz, mundu errealeko inguruneetan erabil daitekeen AI teknologia gauzatzeko lan egingo dugu, hala nola gailu eta sistema ezagunetan. Teknologia hau AI Digitaleko Teknologia Zentroak, Teknologia Dibisioak, Panasonic I+D Amerikako Enpresaren AI Laborategiak egindako ikerketaren emaitza da.
2. irudia: AutoDOk datuak handitzearen arazoa konpontzen du (Shared-policy DA dilema). Trenaren datu areagotuen banaketa (urdin marraduna) baliteke probako datuekin bat ez datorrela (gorri trinkoa) ezkutuko espazioan:
"2" gutxi gora behera dago, eta "5" gehiegi handitu den bitartean. Ondorioz, aurreko metodoek ezin dute bat etortze probaren banaketarekin eta ikasitako f(θ) sailkatzailearen erabakia ez da zehatza.
Teknologia horien xehetasunak CVPR2021-en aurkeztuko dira (2017ko ekainaren 19tik aurrera).
Goiko mezua Panasonic webgune ofizialetik dator!
Argitalpenaren ordua: 2021-03-03
