పానాసోనిక్ రెండు అధునాతన AI టెక్నాలజీలను అభివృద్ధి చేస్తుంది,
CVPR2021 కి అంగీకరించబడింది,
ప్రపంచంలోని ప్రముఖ అంతర్జాతీయ AI సాంకేతిక సమావేశం
[1] హోమ్ యాక్షన్ జీనోమ్: కాంట్రాస్టివ్ కంపోజిషనల్ యాక్షన్ అండర్స్టాండింగ్
కెమెరాలు, మైక్రోఫోన్లు మరియు థర్మల్ సెన్సార్లు వంటి అనేక రకాల సెన్సార్లను ఉపయోగించి వారి ఇళ్లలో మానవుల రోజువారీ కార్యకలాపాలను సేకరించే కొత్త డేటాసెట్ "హోమ్ యాక్షన్ జీనోమ్"ను మేము అభివృద్ధి చేశామని ప్రకటించడానికి మేము సంతోషిస్తున్నాము. మేము లివింగ్ స్పేస్‌ల కోసం ప్రపంచంలోనే అతిపెద్ద మల్టీమోడల్ డేటాసెట్‌ను నిర్మించి విడుదల చేసాము, అయితే లివింగ్ స్పేస్‌ల కోసం చాలా డేటాసెట్‌లు స్కేల్‌లో చిన్నవిగా ఉన్నాయి. ఈ డేటాసెట్‌ను వర్తింపజేయడం ద్వారా, AI పరిశోధకులు దీనిని మెషిన్ లెర్నింగ్ మరియు లివింగ్ స్పేస్‌లోని వ్యక్తులకు మద్దతు ఇవ్వడానికి AI పరిశోధన కోసం శిక్షణ డేటాగా ఉపయోగించవచ్చు.
పైన పేర్కొన్న వాటితో పాటు, మల్టీమోడల్ మరియు బహుళ దృక్కోణాలలో క్రమానుగత కార్యాచరణ గుర్తింపు కోసం మేము సహకార అభ్యాస సాంకేతికతను అభివృద్ధి చేసాము. ఈ సాంకేతికతను వర్తింపజేయడం ద్వారా, విభిన్న దృక్కోణాలు, సెన్సార్లు, క్రమానుగత ప్రవర్తనలు మరియు వివరణాత్మక ప్రవర్తన లేబుల్‌ల మధ్య స్థిరమైన లక్షణాలను మనం నేర్చుకోవచ్చు మరియు తద్వారా జీవన ప్రదేశాలలో సంక్లిష్ట కార్యకలాపాల గుర్తింపు పనితీరును మెరుగుపరచవచ్చు.
ఈ సాంకేతికత డిజిటల్ AI టెక్నాలజీ సెంటర్, టెక్నాలజీ డివిజన్ మరియు స్టాన్‌ఫోర్డ్ విశ్వవిద్యాలయంలోని స్టాన్‌ఫోర్డ్ విజన్ అండ్ లెర్నింగ్ ల్యాబ్‌ల సహకారంతో నిర్వహించిన పరిశోధన ఫలితం.
చిత్రం 1: సహకార కూర్పు చర్య అవగాహన (CCAU) అన్ని పద్ధతులను సహకారంతో శిక్షణ ఇవ్వడం వలన మెరుగైన పనితీరును చూడటానికి మాకు వీలు కలుగుతుంది.
వీడియోలు మరియు అటామిక్ చర్యలు రెండింటి మధ్య కూర్పు పరస్పర చర్యల నుండి ప్రయోజనం పొందేందుకు వీలుగా మేము వీడియో-స్థాయి మరియు అటామిక్ యాక్షన్ లేబుల్‌లను ఉపయోగించి శిక్షణను ఉపయోగిస్తాము.
[2] ఆటోడో: స్కేలబుల్ ప్రాబబిలిస్టిక్ ఇంప్లిసిట్ డిఫరెన్షియేషన్ ద్వారా లేబుల్ నాయిస్‌తో బయాస్డ్ డేటా కోసం బలమైన ఆటోఆగ్మెంట్
శిక్షణ డేటా పంపిణీ ప్రకారం స్వయంచాలకంగా సరైన డేటా వృద్ధిని నిర్వహించే కొత్త మెషిన్ లెర్నింగ్ టెక్నాలజీని మేము అభివృద్ధి చేశామని ప్రకటించడానికి కూడా మేము సంతోషిస్తున్నాము. అందుబాటులో ఉన్న డేటా చాలా తక్కువగా ఉన్న వాస్తవ ప్రపంచ పరిస్థితులకు ఈ టెక్నాలజీని అన్వయించవచ్చు. అందుబాటులో ఉన్న డేటా పరిమితుల కారణంగా AI టెక్నాలజీని వర్తింపజేయడం కష్టతరమైన సందర్భాలు మా ప్రధాన వ్యాపార రంగాలలో చాలా ఉన్నాయి. ఈ టెక్నాలజీని వర్తింపజేయడం ద్వారా, డేటా వృద్ధి పారామితుల ట్యూనింగ్ ప్రక్రియను తొలగించవచ్చు మరియు పారామితులను స్వయంచాలకంగా సర్దుబాటు చేయవచ్చు. అందువల్ల, AI టెక్నాలజీ యొక్క అప్లికేషన్ పరిధిని మరింత విస్తృతంగా వ్యాప్తి చేయవచ్చని ఆశించవచ్చు. భవిష్యత్తులో, ఈ టెక్నాలజీ యొక్క పరిశోధన మరియు అభివృద్ధిని మరింత వేగవంతం చేయడం ద్వారా, సుపరిచితమైన పరికరాలు మరియు వ్యవస్థలు వంటి వాస్తవ-ప్రపంచ వాతావరణాలలో ఉపయోగించగల AI టెక్నాలజీని గ్రహించడానికి మేము పని చేస్తాము. ఈ టెక్నాలజీ అమెరికాలోని పానాసోనిక్ R&D కంపెనీ యొక్క డిజిటల్ AI టెక్నాలజీ సెంటర్, టెక్నాలజీ డివిజన్, AI లాబొరేటరీ నిర్వహించిన పరిశోధన ఫలితం.
చిత్రం 2: డేటా ఆగ్మెంటేషన్ (షేర్డ్-పాలసీ DA డైలమా) సమస్యను AutoDO పరిష్కరిస్తుంది. ఆగ్మెంటెడ్ ట్రైన్ డేటా (డాష్డ్ బ్లూ) పంపిణీ గుప్త స్థలంలో పరీక్ష డేటా (ఘన ఎరుపు) తో సరిపోలకపోవచ్చు:
"2" తక్కువగా వృద్ధి చెందింది, అయితే "5" ఎక్కువగా వృద్ధి చెందింది. ఫలితంగా, మునుపటి పద్ధతులు పరీక్ష పంపిణీతో సరిపోలలేదు మరియు నేర్చుకున్న వర్గీకరణ f(θ) నిర్ణయం సరికాదు.
ఈ టెక్నాలజీల వివరాలను CVPR2021 (జూన్ 19, 2017 నుండి జరగనున్న) లో ప్రस्तుతపరుస్తారు.
పై సందేశం పానాసోనిక్ అధికారిక వెబ్‌సైట్ నుండి వచ్చింది!
పోస్ట్ సమయం: జూన్-03-2021
