Panasonic ພັດທະນາເຕັກໂນໂລຊີ AI ຂັ້ນສູງສອງຢ່າງ,
ຍອມຮັບໃນ CVPR2021,
ກອງປະຊຸມເຕັກໂນໂລຊີ AI ສາກົນຊັ້ນນໍາຂອງໂລກ
[1] ຈີໂນມການກະທຳໃນບ້ານ: ຄວາມເຂົ້າໃຈກ່ຽວກັບການກະທຳທີ່ມີອົງປະກອບກົງກັນຂ້າມ
ພວກເຮົາມີຄວາມຍິນດີທີ່ຈະປະກາດວ່າພວກເຮົາໄດ້ພັດທະນາຊຸດຂໍ້ມູນໃໝ່ "Home Action Genome" ເຊິ່ງເກັບກຳກິດຈະກຳປະຈຳວັນຂອງມະນຸດໃນເຮືອນຂອງເຂົາເຈົ້າໂດຍໃຊ້ເຊັນເຊີຫຼາຍປະເພດ, ລວມທັງກ້ອງຖ່າຍຮູບ, ໄມໂຄຣໂຟນ ແລະ ເຊັນເຊີຄວາມຮ້ອນ. ພວກເຮົາໄດ້ສ້າງ ແລະ ປ່ອຍຊຸດຂໍ້ມູນຫຼາຍຮູບແບບທີ່ໃຫຍ່ທີ່ສຸດໃນໂລກສຳລັບພື້ນທີ່ດຳລົງຊີວິດ, ໃນຂະນະທີ່ຊຸດຂໍ້ມູນສ່ວນໃຫຍ່ສຳລັບພື້ນທີ່ດຳລົງຊີວິດມີຂະໜາດນ້ອຍ. ໂດຍການນຳໃຊ້ຊຸດຂໍ້ມູນນີ້, ນັກຄົ້ນຄວ້າ AI ສາມາດໃຊ້ມັນເປັນຂໍ້ມູນການຝຶກອົບຮົມສຳລັບການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະ ການຄົ້ນຄວ້າ AI ເພື່ອສະໜັບສະໜູນຜູ້ຄົນໃນພື້ນທີ່ດຳລົງຊີວິດ.
ນອກເໜືອໄປຈາກຂ້າງເທິງ, ພວກເຮົາໄດ້ພັດທະນາເຕັກໂນໂລຊີການຮຽນຮູ້ແບບຮ່ວມມືສຳລັບການຮັບຮູ້ກິດຈະກຳແບບລຳດັບຊັ້ນໃນຫຼາຍຮູບແບບ ແລະ ຫຼາຍມຸມມອງ. ໂດຍການນຳໃຊ້ເຕັກໂນໂລຊີນີ້, ພວກເຮົາສາມາດຮຽນຮູ້ລັກສະນະທີ່ສອດຄ່ອງກັນລະຫວ່າງມຸມມອງ, ເຊັນເຊີ, ພຶດຕິກຳແບບລຳດັບຊັ້ນ ແລະ ປ້າຍພຶດຕິກຳລະອຽດທີ່ແຕກຕ່າງກັນ, ແລະ ດັ່ງນັ້ນຈຶ່ງປັບປຸງປະສິດທິພາບການຮັບຮູ້ກິດຈະກຳທີ່ສັບສົນໃນພື້ນທີ່ດຳລົງຊີວິດ.
ເທັກໂນໂລຢີນີ້ແມ່ນຜົນມາຈາກການຄົ້ນຄວ້າທີ່ດຳເນີນການຮ່ວມມືລະຫວ່າງສູນເທັກໂນໂລຢີ AI ດິຈິຕອລ, ພະແນກເທັກໂນໂລຢີ, ແລະ ຫ້ອງທົດລອງວິໄສທັດ ແລະ ການຮຽນຮູ້ Stanford ທີ່ມະຫາວິທະຍາໄລ Stanford.
ຮູບທີ 1: ຄວາມເຂົ້າໃຈກ່ຽວກັບການຈັດຕັ້ງປະຕິບັດແບບຮ່ວມມື (CCAU) ການຝຶກອົບຮົມທຸກຮູບແບບຮ່ວມກັນຊ່ວຍໃຫ້ພວກເຮົາເຫັນປະສິດທິພາບທີ່ດີຂຶ້ນ.
ພວກເຮົານຳໃຊ້ການຝຶກອົບຮົມໂດຍໃຊ້ທັງປ້າຍກຳກັບລະດັບວິດີໂອ ແລະ ປ້າຍກຳກັບການເຄື່ອນໄຫວແບບອະຕອມ ເພື່ອໃຫ້ທັງວິດີໂອ ແລະ ການເຄື່ອນໄຫວແບບອະຕອມໄດ້ຮັບຜົນປະໂຫຍດຈາກການພົວພັນດ້ານການປະກອບລະຫວ່າງສອງຢ່າງ.
[2] AutoDO: ການເພີ່ມອັດຕະໂນມັດທີ່ແຂງແຮງສຳລັບຂໍ້ມູນທີ່ມີອະຄະຕິທີ່ມີສຽງລົບກວນຂອງປ້າຍຜ່ານການຈຳແນກໂດຍທາງອ້ອມທີ່ເປັນໄປໄດ້ທີ່ສາມາດຂະຫຍາຍໄດ້
ພວກເຮົາມີຄວາມຍິນດີທີ່ຈະປະກາດວ່າພວກເຮົາໄດ້ພັດທະນາເທັກໂນໂລຢີການຮຽນຮູ້ຂອງເຄື່ອງຈັກໃໝ່ທີ່ປະຕິບັດການເພີ່ມຂໍ້ມູນທີ່ດີທີ່ສຸດໂດຍອັດຕະໂນມັດຕາມການແຈກຢາຍຂໍ້ມູນການຝຶກອົບຮົມ. ເທັກໂນໂລຢີນີ້ສາມາດນຳໃຊ້ກັບສະຖານະການໃນໂລກຕົວຈິງ, ບ່ອນທີ່ຂໍ້ມູນທີ່ມີຢູ່ມີໜ້ອຍຫຼາຍ. ມີຫຼາຍກໍລະນີໃນຂົງເຂດທຸລະກິດຫຼັກຂອງພວກເຮົາ, ບ່ອນທີ່ມັນຍາກທີ່ຈະນຳໃຊ້ເທັກໂນໂລຢີ AI ເນື່ອງຈາກຂໍ້ຈຳກັດຂອງຂໍ້ມູນທີ່ມີຢູ່. ໂດຍການນຳໃຊ້ເທັກໂນໂລຢີນີ້, ຂະບວນການປັບແຕ່ງຕົວກຳນົດການເພີ່ມຂໍ້ມູນສາມາດຖືກກຳຈັດອອກ, ແລະຕົວກຳນົດການສາມາດປັບໄດ້ໂດຍອັດຕະໂນມັດ. ດັ່ງນັ້ນ, ຈຶ່ງສາມາດຄາດຫວັງໄດ້ວ່າຂອບເຂດການນຳໃຊ້ເທັກໂນໂລຢີ AI ສາມາດແຜ່ຂະຫຍາຍໄດ້ຢ່າງກວ້າງຂວາງ. ໃນອະນາຄົດ, ໂດຍການເລັ່ງການຄົ້ນຄວ້າ ແລະ ພັດທະນາເທັກໂນໂລຢີນີ້ຕື່ມອີກ, ພວກເຮົາຈະເຮັດວຽກເພື່ອໃຫ້ເທັກໂນໂລຢີ AI ທີ່ສາມາດນຳໃຊ້ໃນສະພາບແວດລ້ອມໃນໂລກຕົວຈິງເຊັ່ນ: ອຸປະກອນ ແລະ ລະບົບທີ່ຄຸ້ນເຄີຍ. ເທັກໂນໂລຢີນີ້ແມ່ນຜົນມາຈາກການຄົ້ນຄວ້າທີ່ດຳເນີນໂດຍສູນເທັກໂນໂລຢີ AI ດິຈິຕອນ, ພະແນກເທັກໂນໂລຢີ, ຫ້ອງທົດລອງ AI ຂອງບໍລິສັດ Panasonic R&D ຂອງອາເມລິກາ.
ຮູບທີ 2: AutoDO ແກ້ໄຂບັນຫາການເພີ່ມຂໍ້ມູນ (ບັນຫາ DA ແບບແບ່ງປັນ). ການແຈກຢາຍຂໍ້ມູນລົດໄຟທີ່ເພີ່ມ (ສີຟ້າປະ) ອາດຈະບໍ່ກົງກັບຂໍ້ມູນການທົດສອບ (ສີແດງເຂັ້ມ) ໃນພື້ນທີ່ແຝງ:
"2" ຖືກເພີ່ມໜ້ອຍເກີນໄປ, ໃນຂະນະທີ່ "5" ຖືກເພີ່ມຫຼາຍເກີນໄປ. ດັ່ງນັ້ນ, ວິທີການກ່ອນໜ້ານີ້ຈຶ່ງບໍ່ສາມາດກົງກັບການແຈກຢາຍການທົດສອບ ແລະ ການຕັດສິນໃຈຂອງຕົວຈັດປະເພດທີ່ຮຽນຮູ້ f(θ) ແມ່ນບໍ່ຖືກຕ້ອງ.
ລາຍລະອຽດຂອງເຕັກໂນໂລຊີເຫຼົ່ານີ້ຈະຖືກນຳສະເໜີໃນງານ CVPR2021 (ທີ່ຈະຈັດຂຶ້ນໃນວັນທີ 19 ມິຖຸນາ 2017).
ຂໍ້ຄວາມຂ້າງເທິງນີ້ມາຈາກເວັບໄຊທ໌ທາງການຂອງ Panasonic!
ເວລາໂພສ: ມິຖຸນາ-03-2021
