
पॅनासॉनिकने दोन प्रगत एआय तंत्रज्ञान विकसित केले.
CVPR2021 साठी निवड झाली.
जगातील अग्रगण्य आंतरराष्ट्रीय एआय तंत्रज्ञान परिषद
[1] होम ॲक्शन जीनोम: तुलनात्मक रचनात्मक कृती आकलन
आम्हाला हे जाहीर करताना आनंद होत आहे की, आम्ही 'होम ॲक्शन जीनोम' नावाचा एक नवीन डेटासेट विकसित केला आहे, जो कॅमेरा, मायक्रोफोन आणि थर्मल सेन्सर यांसारख्या विविध प्रकारच्या सेन्सर्सचा वापर करून माणसांच्या घरातील दैनंदिन हालचालींची माहिती गोळा करतो. आम्ही राहण्याच्या जागांसाठी जगातील सर्वात मोठा मल्टीमोडल डेटासेट तयार करून प्रसिद्ध केला आहे, तर यापूर्वी राहण्याच्या जागांसाठीचे बहुतेक डेटासेट लहान स्वरूपाचे होते. या डेटासेटचा वापर करून, एआय संशोधक लोकांना त्यांच्या राहण्याच्या जागेत मदत करण्यासाठी मशीन लर्निंग आणि एआय संशोधनासाठी प्रशिक्षण डेटा म्हणून त्याचा उपयोग करू शकतात.
वरील व्यतिरिक्त, आम्ही बहुविध आणि अनेक दृष्टिकोनांमधून श्रेणीबद्ध क्रियाकलाप ओळखण्यासाठी एक सहकारी शिक्षण तंत्रज्ञान विकसित केले आहे. हे तंत्रज्ञान लागू करून, आम्ही विविध दृष्टिकोन, सेन्सर्स, श्रेणीबद्ध वर्तन आणि तपशीलवार वर्तन लेबल्स यांच्यातील सुसंगत वैशिष्ट्ये शिकू शकतो आणि त्यामुळे राहण्याच्या जागांमधील जटिल क्रियाकलापांची ओळख कामगिरी सुधारू शकतो.
हे तंत्रज्ञान स्टॅनफोर्ड विद्यापीठातील डिजिटल एआय टेक्नॉलॉजी सेंटर, टेक्नॉलॉजी डिव्हिजन आणि स्टॅनफोर्ड व्हिजन अँड लर्निंग लॅब यांच्या संयुक्त विद्यमाने केलेल्या संशोधनाचा परिणाम आहे.
आकृती १: सहकारी रचनात्मक कृती आकलन (CCAU) सर्व पद्धतींना एकत्रितपणे सहकार्याने प्रशिक्षण दिल्याने आपल्याला कामगिरीत सुधारणा दिसून येते.
आम्ही व्हिडिओ-स्तरीय आणि अणू क्रिया लेबल्स या दोन्हींचा वापर करून प्रशिक्षण देतो, जेणेकरून व्हिडिओ आणि अणू क्रिया या दोन्हींमधील रचनात्मक परस्परसंवादांचा फायदा दोघांनाही मिळू शकेल.
[2] ऑटोडो: स्केलेबल प्रोबॅबिलिस्टिक इम्प्लिसिट डिफरेंशिएशनद्वारे लेबल नॉईज असलेल्या बायस्ड डेटासाठी रोबस्ट ऑटोऑगमेंट
आम्हाला हे जाहीर करताना आनंद होत आहे की, आम्ही एक नवीन मशीन लर्निंग तंत्रज्ञान विकसित केले आहे, जे प्रशिक्षण डेटाच्या वितरणानुसार आपोआप इष्टतम डेटा ऑगमेंटेशन करते. हे तंत्रज्ञान वास्तविक जगातील अशा परिस्थितींमध्ये लागू केले जाऊ शकते, जिथे उपलब्ध डेटा खूप कमी असतो. आमच्या मुख्य व्यवसाय क्षेत्रांमध्ये अशी अनेक प्रकरणे आहेत, जिथे उपलब्ध डेटाच्या मर्यादेमुळे एआय तंत्रज्ञान लागू करणे कठीण होते. हे तंत्रज्ञान लागू केल्याने, डेटा ऑगमेंटेशन पॅरामीटर्सची ट्यूनिंग प्रक्रिया टाळता येते आणि पॅरामीटर्स आपोआप समायोजित केले जाऊ शकतात. त्यामुळे, एआय तंत्रज्ञानाच्या वापराची व्याप्ती अधिक व्यापकपणे पसरेल अशी अपेक्षा आहे. भविष्यात, या तंत्रज्ञानाच्या संशोधन आणि विकासाला आणखी गती देऊन, आम्ही परिचित उपकरणे आणि प्रणालींसारख्या वास्तविक-जगातील वातावरणात वापरता येणारे एआय तंत्रज्ञान साकार करण्यासाठी काम करू. हे तंत्रज्ञान, पॅनासोनिक आर अँड डी कंपनी ऑफ अमेरिकाच्या एआय लॅबोरेटरी, टेक्नॉलॉजी डिव्हिजन, डिजिटल एआय टेक्नॉलॉजी सेंटरने केलेल्या संशोधनाचा परिणाम आहे.
आकृती २: ऑटोडो डेटा ऑगमेंटेशनची समस्या (शेअर्ड-पॉलिसी डीए द्विधा) सोडवते. ऑगमेंटेड ट्रेन डेटाचे (निळ्या तुटक रेषेत) वितरण लॅटेंट स्पेसमध्ये टेस्ट डेटाशी (लाल भरीव रेषेत) जुळणार नाही:
"2" ला कमी संवर्धित केले आहे, तर "5" ला जास्त संवर्धित केले आहे. परिणामी, पूर्वीच्या पद्धती चाचणी वितरणाशी जुळू शकत नाहीत आणि शिकलेल्या वर्गीकरणकर्त्याचा f(θ) निर्णय चुकीचा ठरतो.
या तंत्रज्ञानाचा तपशील CVPR2021 मध्ये (१९ जून २०१७ पासून आयोजित) सादर केला जाईल.
वरील संदेश पॅनासोनिकच्या अधिकृत वेबसाइटवरून घेण्यात आला आहे!
पोस्ट करण्याची वेळ: ०३-जून-२०२१