[1] Home Action Genome: Contrasterend Compositioneel Actie Begrip

We zijn verheugd te kunnen aankondigen dat we een nieuwe dataset hebben ontwikkeld, "Home Action Genome", die de dagelijkse activiteiten van mensen thuis registreert met behulp van verschillende soorten sensoren, waaronder camera's, microfoons en thermische sensoren. We hebben 's werelds grootste multimodale dataset voor woonruimtes samengesteld en gepubliceerd, terwijl de meeste datasets voor woonruimtes kleinschalig van opzet waren. Door deze dataset toe te passen, kunnen AI-onderzoekers deze gebruiken als trainingsdata voor machine learning en AI-onderzoek ter ondersteuning van mensen in woonruimtes.

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

[2] AutoDO: Robuuste AutoAugment voor bevooroordeelde data met labelruis via schaalbare probabilistische impliciete differentiatie

We zijn ook verheugd te kunnen aankondigen dat we een nieuwe machine learning-technologie hebben ontwikkeld die automatisch optimale data-augmentatie uitvoert op basis van de distributie van trainingsdata. Deze technologie kan worden toegepast in praktijksituaties, waar de beschikbare data zeer beperkt is. Er zijn veel gevallen in onze belangrijkste bedrijfsgebieden waar het moeilijk is om AI-technologie toe te passen vanwege de beperkingen van de beschikbare data. Door deze technologie toe te passen, kan het afstemmingsproces van data-augmentatieparameters worden geëlimineerd en kunnen de parameters automatisch worden aangepast. Daarom kan worden verwacht dat het toepassingsgebied van AI-technologie breder kan worden verspreid. In de toekomst zullen we, door het onderzoek en de ontwikkeling van deze technologie verder te versnellen, werken aan de realisatie van AI-technologie die kan worden gebruikt in praktijkomgevingen 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 worden gepresenteerd op CVPR2021 (dat plaatsvindt op 19 juni 2017).

Bovenstaand bericht komt van de officiële website van Panasonic!