[1] Home Action Genome: contrastieve samenstelling van compositorische werking

We zijn verheugd aan te kondigen dat we een nieuwe dataset "Home Action Genome" hebben ontwikkeld die de dagelijkse activiteiten van de mens in hun huizen verzamelt met behulp van verschillende soorten sensoren, waaronder camera's, microfoons en thermische sensoren. We hebben 's werelds grootste multimodale gegevensset voor woonruimtes gebouwd en uitgebracht, terwijl de meeste datasets voor woonruimtes klein van schaal zijn geweest. Door deze dataset toe te passen, kunnen AI -onderzoekers deze gebruiken als trainingsgegevens voor machine learning en AI -onderzoek om mensen in de leefruimte te ondersteunen.

Naast het bovenstaande hebben we een coöperatieve leertechnologie ontwikkeld voor hiërarchische activiteitherkenning in multimodale en meerdere gezichtspunten. Door deze technologie toe te passen, kunnen we consistente kenmerken leren tussen verschillende gezichtspunten, sensoren, hiërarchisch gedrag en gedetailleerde gedragslabels, en zo de herkenningsprestaties van complexe activiteiten in woonruimtes verbeteren.
Deze technologie is het resultaat van onderzoek uitgevoerd in samenwerking tussen het Digital AI Technology Center, Technology Division en de Stanford Vision and Learning Lab aan de Stanford University.

[2] Autodo: robuuste auto -augment voor bevooroordeelde gegevens met labelruis via schaalbare probabilistische impliciete differentiatie

We zijn ook verheugd aan te kondigen dat we een nieuwe machine learning -technologie hebben ontwikkeld die automatisch optimale gegevensvergroting uitvoert volgens de verdeling van trainingsgegevens. Deze technologie kan worden toegepast op situaties in de echte wereld, waar de beschikbare gegevens erg klein zijn. Er zijn veel gevallen in onze belangrijkste bedrijfsgebieden, waar het moeilijk is om AI -technologie toe te passen vanwege de beperkingen van de beschikbare gegevens. Door deze technologie toe te passen, kan het afstemmingsproces van gegevensvergrotingsparameters worden geëlimineerd en kunnen de parameters automatisch worden aangepast. Daarom kan worden verwacht dat het toepassingsbereik van AI -technologie breder kan worden verspreid. In de toekomst zullen we, door het onderzoek en de ontwikkeling van deze technologie verder te versnellen, aan het realiseren van AI-technologie die kan worden gebruikt in real-world omgevingen zoals bekende apparaten en systemen. Deze technologie is het resultaat van onderzoek uitgevoerd door het Digital AI Technology Center, Technology Division, AI Laboratory van Panasonic R & D Company of America.

De details van deze technologieën zullen worden gepresenteerd op CVPR2021 (te houden vanaf 19 juni 2017).

Bovenstaande bericht is afkomstig van de officiële website van Panasonic!