पैनासोनिक ने दो उन्नत एआई तकनीक विकसित की,
CVPR2021 को स्वीकृत,
विश्व का अग्रणी अंतर्राष्ट्रीय एआई प्रौद्योगिकी सम्मेलन

[1] होम एक्शन जीनोम: कंट्रास्टिव कंपोजिशनल एक्शन अंडरस्टैंडिंग

हमें यह घोषणा करते हुए खुशी हो रही है कि हमने एक नया डेटासेट "होम एक्शन जीनोम" विकसित किया है जो कैमरे, माइक्रोफोन और थर्मल सेंसर सहित कई प्रकार के सेंसर का उपयोग करके अपने घरों में मनुष्यों की दैनिक गतिविधियों को एकत्र करता है। हमने रहने की जगहों के लिए दुनिया का सबसे बड़ा मल्टीमॉडल डेटासेट बनाया और जारी किया है, जबकि रहने की जगहों के लिए अधिकांश डेटासेट छोटे पैमाने पर हैं। इस डेटासेट को लागू करके, एआई शोधकर्ता इसे मशीन लर्निंग और एआई अनुसंधान के लिए प्रशिक्षण डेटा के रूप में उपयोग कर सकते हैं ताकि रहने वाले स्थान में लोगों का समर्थन किया जा सके।

उपरोक्त के अलावा, हमने मल्टीमॉडल और एकाधिक दृष्टिकोण में पदानुक्रमित गतिविधि पहचान के लिए एक सहकारी शिक्षण तकनीक विकसित की है। इस तकनीक को लागू करके, हम विभिन्न दृष्टिकोणों, सेंसरों, पदानुक्रमित व्यवहारों और विस्तृत व्यवहार लेबलों के बीच सुसंगत विशेषताओं को सीख सकते हैं, और इस प्रकार रहने वाले स्थानों में जटिल गतिविधियों के पहचान प्रदर्शन में सुधार कर सकते हैं।
यह तकनीक डिजिटल एआई टेक्नोलॉजी सेंटर, टेक्नोलॉजी डिवीजन और स्टैनफोर्ड यूनिवर्सिटी में स्टैनफोर्ड विजन एंड लर्निंग लैब के बीच सहयोग से किए गए शोध का परिणाम है।

चित्र 1: सहकारी संरचनागत कार्रवाई समझ (सीसीएयू) सभी तौर-तरीकों को एक साथ प्रशिक्षित करने से हमें बेहतर प्रदर्शन देखने को मिलता है।
हम वीडियो-स्तर और परमाणु क्रिया लेबल दोनों का उपयोग करके प्रशिक्षण का उपयोग करते हैं ताकि वीडियो और परमाणु क्रियाओं को दोनों के बीच की रचनात्मक बातचीत से लाभ मिल सके।

[2] ऑटोडीओ: स्केलेबल संभाव्य अंतर्निहित भेदभाव के माध्यम से लेबल शोर के साथ पक्षपाती डेटा के लिए मजबूत ऑटोऑगमेंट

हमें यह घोषणा करते हुए भी खुशी हो रही है कि हमने एक नई मशीन लर्निंग तकनीक विकसित की है जो प्रशिक्षण डेटा के वितरण के अनुसार स्वचालित रूप से इष्टतम डेटा संवर्द्धन करती है। इस तकनीक को वास्तविक दुनिया की स्थितियों में लागू किया जा सकता है, जहां उपलब्ध डेटा बहुत छोटा है। हमारे मुख्य व्यावसायिक क्षेत्रों में ऐसे कई मामले हैं, जहां उपलब्ध डेटा की सीमाओं के कारण एआई तकनीक को लागू करना मुश्किल है। इस तकनीक को लागू करके, डेटा वृद्धि मापदंडों की ट्यूनिंग प्रक्रिया को समाप्त किया जा सकता है, और मापदंडों को स्वचालित रूप से समायोजित किया जा सकता है। इसलिए, यह उम्मीद की जा सकती है कि एआई तकनीक की एप्लिकेशन रेंज को अधिक व्यापक रूप से फैलाया जा सकता है। भविष्य में, इस तकनीक के अनुसंधान और विकास को और तेज करके, हम एआई तकनीक को साकार करने के लिए काम करेंगे जिसका उपयोग वास्तविक दुनिया के वातावरण जैसे परिचित उपकरणों और प्रणालियों में किया जा सकता है। यह तकनीक अमेरिका की पैनासोनिक आर एंड डी कंपनी के डिजिटल एआई टेक्नोलॉजी सेंटर, टेक्नोलॉजी डिवीजन, एआई प्रयोगशाला द्वारा किए गए शोध का परिणाम है।

चित्र 2: ऑटोडीओ डेटा वृद्धि (साझा-नीति डीए दुविधा) की समस्या को हल करता है। संवर्धित ट्रेन डेटा (धराशायी नीला) का वितरण अव्यक्त स्थान में परीक्षण डेटा (ठोस लाल) से मेल नहीं खा सकता है:
"2" अल्प-संवर्धित है, जबकि "5" अति-संवर्धित है। परिणामस्वरूप, पूर्व विधियाँ परीक्षण वितरण से मेल नहीं खा सकती हैं और सीखे गए क्लासिफायरियर f(θ) का निर्णय गलत है।