पॅनासोनिकने दोन प्रगत AI तंत्रज्ञान विकसित केले,
CVPR2021 ला स्वीकारले,
जगातील आघाडीची आंतरराष्ट्रीय एआय तंत्रज्ञान परिषद

[१] होम ॲक्शन जीनोम: कॉन्ट्रास्टिव्ह कंपोझिशनल ॲक्शन समजून घेणे

आम्हाला हे जाहीर करताना आनंद होत आहे की आम्ही एक नवीन डेटासेट "होम ॲक्शन जीनोम" विकसित केला आहे जो कॅमेरे, मायक्रोफोन आणि थर्मल सेन्सर्ससह अनेक प्रकारचे सेन्सर वापरून त्यांच्या घरातील दैनंदिन क्रियाकलाप संकलित करतो. राहत्या जागेसाठी आम्ही जगातील सर्वात मोठा मल्टीमॉडल डेटासेट तयार केला आहे आणि रिलीज केला आहे, तर लिव्हिंग स्पेससाठी बहुतेक डेटासेट लहान आहेत. हा डेटासेट लागू करून, AI संशोधक ते मशीन लर्निंग आणि AI संशोधनासाठी प्रशिक्षण डेटा म्हणून लोकांच्या राहत्या जागेत समर्थन करण्यासाठी वापरू शकतात.

वरील व्यतिरिक्त, आम्ही बहुविध आणि बहुविध दृष्टिकोनांमध्ये श्रेणीबद्ध क्रियाकलाप ओळखण्यासाठी सहकारी शिक्षण तंत्रज्ञान विकसित केले आहे. या तंत्रज्ञानाचा वापर करून, आम्ही विविध दृष्टिकोन, सेन्सर्स, श्रेणीबद्ध वर्तन आणि तपशीलवार वर्तन लेबले यांच्यातील सातत्यपूर्ण वैशिष्ट्ये जाणून घेऊ शकतो आणि अशा प्रकारे राहण्याच्या जागेत जटिल क्रियाकलापांची ओळख कार्यप्रदर्शन सुधारू शकतो.
हे तंत्रज्ञान डिजिटल एआय तंत्रज्ञान केंद्र, तंत्रज्ञान विभाग आणि स्टॅनफोर्ड विद्यापीठातील स्टॅनफोर्ड व्हिजन आणि लर्निंग लॅब यांच्या सहकार्याने केलेल्या संशोधनाचा परिणाम आहे.

आकृती 1: कोऑपरेटिव्ह कंपोझिशनल ॲक्शन अंडरस्टँडिंग (CCAU) सर्व पद्धती एकत्रितपणे प्रशिक्षण देऊन आम्हाला सुधारित कामगिरी पाहण्यास अनुमती देते.
व्हिडिओ आणि अणु क्रिया या दोघांमधील रचनात्मक परस्परसंवादाचा फायदा घेण्यासाठी आम्ही व्हिडिओ-स्तर आणि अणु क्रिया लेबले वापरून प्रशिक्षणाचा वापर करतो.

[२] ऑटोडीओ: स्केलेबल प्रोबेबिलिस्टिक इंप्लिसिट डिफरेंशिएशनद्वारे लेबल नॉइझसह बायस्ड डेटासाठी मजबूत ऑटोऑगमेंट

आम्हाला हे घोषित करताना देखील आनंद होत आहे की आम्ही एक नवीन मशीन लर्निंग तंत्रज्ञान विकसित केले आहे जे प्रशिक्षण डेटाच्या वितरणानुसार स्वयंचलितपणे इष्टतम डेटा वाढवते. हे तंत्रज्ञान वास्तविक जगाच्या परिस्थितीत लागू केले जाऊ शकते, जेथे उपलब्ध डेटा फारच कमी आहे. आमच्या मुख्य व्यवसाय क्षेत्रात अशी अनेक प्रकरणे आहेत, जिथे उपलब्ध डेटाच्या मर्यादांमुळे AI तंत्रज्ञान लागू करणे कठीण आहे. हे तंत्रज्ञान लागू करून, डेटा वाढवण्याच्या पॅरामीटर्सची ट्यूनिंग प्रक्रिया काढून टाकली जाऊ शकते आणि पॅरामीटर्स स्वयंचलितपणे समायोजित केले जाऊ शकतात. त्यामुळे, एआय तंत्रज्ञानाची अनुप्रयोग श्रेणी अधिक व्यापकपणे पसरवता येईल अशी अपेक्षा केली जाऊ शकते. भविष्यात, या तंत्रज्ञानाच्या संशोधन आणि विकासाला आणखी गती देऊन, आम्ही परिचित उपकरणे आणि प्रणालींसारख्या वास्तविक-जगातील वातावरणात वापरता येणारे AI तंत्रज्ञान साकार करण्यासाठी कार्य करू. हे तंत्रज्ञान डिजिटल AI तंत्रज्ञान केंद्र, तंत्रज्ञान विभाग, अमेरिकेच्या Panasonic R&D कंपनीच्या AI प्रयोगशाळेने केलेल्या संशोधनाचे परिणाम आहे.

आकृती 2: ऑटोडीओ डेटा ऑगमेंटेशनची समस्या सोडवते (सामायिक-पॉलिसी डीए संदिग्ध). संवर्धित ट्रेन डेटाचे वितरण (डॅश केलेले निळे) सुप्त जागेत चाचणी डेटा (घन लाल) शी जुळत नाही:
"2" अंडर-ऑग्मेंटेड आहे, तर "5" ओव्हरऑग्मेंटेड आहे. परिणामी, पूर्वीच्या पद्धती चाचणी वितरणाशी जुळू शकत नाहीत आणि शिकलेल्या क्लासिफायर f(θ) चा निर्णय चुकीचा आहे.