ಪ್ಯಾನಾಸೋನಿಕ್ ಎರಡು ಸುಧಾರಿತ AI ತಂತ್ರಜ್ಞಾನಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುತ್ತದೆ,
CVPR2021 ಗೆ ಸ್ವೀಕರಿಸಲಾಗಿದೆ,
ವಿಶ್ವದ ಪ್ರಮುಖ ಅಂತರರಾಷ್ಟ್ರೀಯ AI ತಂತ್ರಜ್ಞಾನ ಸಮ್ಮೇಳನ
[1] ಹೋಮ್ ಆಕ್ಷನ್ ಜೀನೋಮ್: ಕಾಂಟ್ರಾಸ್ಟಿವ್ ಕಾಂಪೊಸಿಷನಲ್ ಆಕ್ಷನ್ ಅಂಡರ್ಸ್ಟ್ಯಾಂಡಿಂಗ್
ಕ್ಯಾಮೆರಾಗಳು, ಮೈಕ್ರೊಫೋನ್‌ಗಳು ಮತ್ತು ಥರ್ಮಲ್ ಸೆನ್ಸರ್‌ಗಳು ಸೇರಿದಂತೆ ಹಲವಾರು ರೀತಿಯ ಸಂವೇದಕಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಮನೆಗಳಲ್ಲಿ ಮಾನವನ ದೈನಂದಿನ ಚಟುವಟಿಕೆಗಳನ್ನು ಸಂಗ್ರಹಿಸುವ "ಹೋಮ್ ಆಕ್ಷನ್ ಜೀನೋಮ್" ಎಂಬ ಹೊಸ ಡೇಟಾಸೆಟ್ ಅನ್ನು ನಾವು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದೇವೆ ಎಂದು ಘೋಷಿಸಲು ನಮಗೆ ಸಂತೋಷವಾಗಿದೆ. ವಾಸಿಸುವ ಸ್ಥಳಗಳಿಗಾಗಿ ನಾವು ವಿಶ್ವದ ಅತಿದೊಡ್ಡ ಮಲ್ಟಿಮೋಡಲ್ ಡೇಟಾಸೆಟ್ ಅನ್ನು ನಿರ್ಮಿಸಿದ್ದೇವೆ ಮತ್ತು ಬಿಡುಗಡೆ ಮಾಡಿದ್ದೇವೆ, ಆದರೆ ವಾಸಿಸುವ ಸ್ಥಳಗಳಿಗಾಗಿ ಹೆಚ್ಚಿನ ಡೇಟಾಸೆಟ್‌ಗಳು ಪ್ರಮಾಣದಲ್ಲಿ ಚಿಕ್ಕದಾಗಿವೆ. ಈ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಅನ್ವಯಿಸುವ ಮೂಲಕ, AI ಸಂಶೋಧಕರು ವಾಸಿಸುವ ಸ್ಥಳದಲ್ಲಿರುವ ಜನರನ್ನು ಬೆಂಬಲಿಸಲು ಯಂತ್ರ ಕಲಿಕೆ ಮತ್ತು AI ಸಂಶೋಧನೆಗಾಗಿ ತರಬೇತಿ ದತ್ತಾಂಶವಾಗಿ ಇದನ್ನು ಬಳಸಬಹುದು.
ಮೇಲಿನವುಗಳ ಜೊತೆಗೆ, ಬಹುಮಾದರಿ ಮತ್ತು ಬಹು ದೃಷ್ಟಿಕೋನಗಳಲ್ಲಿ ಶ್ರೇಣೀಕೃತ ಚಟುವಟಿಕೆ ಗುರುತಿಸುವಿಕೆಗಾಗಿ ನಾವು ಸಹಕಾರಿ ಕಲಿಕೆಯ ತಂತ್ರಜ್ಞಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದೇವೆ. ಈ ತಂತ್ರಜ್ಞಾನವನ್ನು ಅನ್ವಯಿಸುವ ಮೂಲಕ, ನಾವು ವಿಭಿನ್ನ ದೃಷ್ಟಿಕೋನಗಳು, ಸಂವೇದಕಗಳು, ಶ್ರೇಣೀಕೃತ ನಡವಳಿಕೆಗಳು ಮತ್ತು ವಿವರವಾದ ನಡವಳಿಕೆಯ ಲೇಬಲ್‌ಗಳ ನಡುವಿನ ಸ್ಥಿರವಾದ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಕಲಿಯಬಹುದು ಮತ್ತು ಹೀಗಾಗಿ ವಾಸಿಸುವ ಸ್ಥಳಗಳಲ್ಲಿ ಸಂಕೀರ್ಣ ಚಟುವಟಿಕೆಗಳ ಗುರುತಿಸುವಿಕೆ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸುಧಾರಿಸಬಹುದು.
ಈ ತಂತ್ರಜ್ಞಾನವು ಡಿಜಿಟಲ್ AI ತಂತ್ರಜ್ಞಾನ ಕೇಂದ್ರ, ತಂತ್ರಜ್ಞಾನ ವಿಭಾಗ ಮತ್ತು ಸ್ಟ್ಯಾನ್‌ಫೋರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಸ್ಟ್ಯಾನ್‌ಫೋರ್ಡ್ ವಿಷನ್ ಮತ್ತು ಲರ್ನಿಂಗ್ ಲ್ಯಾಬ್ ನಡುವಿನ ಸಹಯೋಗದಲ್ಲಿ ನಡೆಸಿದ ಸಂಶೋಧನೆಯ ಫಲಿತಾಂಶವಾಗಿದೆ.
ಚಿತ್ರ1: ಸಹಕಾರಿ ಸಂಯೋಜನಾ ಕ್ರಿಯಾ ತಿಳುವಳಿಕೆ (CCAU) ಎಲ್ಲಾ ವಿಧಾನಗಳನ್ನು ಸಹಕಾರಿಯಾಗಿ ತರಬೇತಿ ನೀಡುವುದರಿಂದ ಸುಧಾರಿತ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ನೋಡಲು ನಮಗೆ ಅವಕಾಶ ನೀಡುತ್ತದೆ.
ವೀಡಿಯೊಗಳು ಮತ್ತು ಪರಮಾಣು ಕ್ರಿಯೆಗಳು ಎರಡರ ನಡುವಿನ ಸಂಯೋಜನಾತ್ಮಕ ಪರಸ್ಪರ ಕ್ರಿಯೆಗಳಿಂದ ಪ್ರಯೋಜನ ಪಡೆಯಲು ನಾವು ವೀಡಿಯೊ-ಮಟ್ಟದ ಮತ್ತು ಪರಮಾಣು ಕ್ರಿಯೆಯ ಲೇಬಲ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ತರಬೇತಿಯನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತೇವೆ.
[2] ಆಟೋಡಿಒ: ಸ್ಕೇಲೆಬಲ್ ಪ್ರಾಬಬಿಲಿಸ್ಟಿಕ್ ಇಂಪ್ಲಿಸಿಟ್ ಡಿಫರೆನ್ಷಿಯೇಶನ್ ಮೂಲಕ ಲೇಬಲ್ ಶಬ್ದದೊಂದಿಗೆ ಪಕ್ಷಪಾತದ ಡೇಟಾಕ್ಕಾಗಿ ದೃಢವಾದ ಸ್ವಯಂವರ್ಧನೆ
ತರಬೇತಿ ದತ್ತಾಂಶದ ವಿತರಣೆಗೆ ಅನುಗುಣವಾಗಿ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಅತ್ಯುತ್ತಮ ದತ್ತಾಂಶ ವೃದ್ಧಿಯನ್ನು ನಿರ್ವಹಿಸುವ ಹೊಸ ಯಂತ್ರ ಕಲಿಕೆ ತಂತ್ರಜ್ಞಾನವನ್ನು ನಾವು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದೇವೆ ಎಂದು ಘೋಷಿಸಲು ನಮಗೆ ಸಂತೋಷವಾಗಿದೆ. ಲಭ್ಯವಿರುವ ದತ್ತಾಂಶವು ತುಂಬಾ ಚಿಕ್ಕದಾಗಿರುವ ನೈಜ ಜಗತ್ತಿನ ಸನ್ನಿವೇಶಗಳಿಗೆ ಈ ತಂತ್ರಜ್ಞಾನವನ್ನು ಅನ್ವಯಿಸಬಹುದು. ಲಭ್ಯವಿರುವ ದತ್ತಾಂಶದ ಮಿತಿಗಳಿಂದಾಗಿ AI ತಂತ್ರಜ್ಞಾನವನ್ನು ಅನ್ವಯಿಸುವುದು ಕಷ್ಟಕರವಾದ ಅನೇಕ ಪ್ರಕರಣಗಳು ನಮ್ಮ ಮುಖ್ಯ ವ್ಯವಹಾರ ಕ್ಷೇತ್ರಗಳಲ್ಲಿವೆ. ಈ ತಂತ್ರಜ್ಞಾನವನ್ನು ಅನ್ವಯಿಸುವ ಮೂಲಕ, ಡೇಟಾ ವೃದ್ಧಿ ನಿಯತಾಂಕಗಳ ಶ್ರುತಿ ಪ್ರಕ್ರಿಯೆಯನ್ನು ತೆಗೆದುಹಾಕಬಹುದು ಮತ್ತು ನಿಯತಾಂಕಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಸರಿಹೊಂದಿಸಬಹುದು. ಆದ್ದರಿಂದ, AI ತಂತ್ರಜ್ಞಾನದ ಅನ್ವಯಿಕ ಶ್ರೇಣಿಯನ್ನು ಹೆಚ್ಚು ವ್ಯಾಪಕವಾಗಿ ಹರಡಬಹುದು ಎಂದು ನಿರೀಕ್ಷಿಸಬಹುದು. ಭವಿಷ್ಯದಲ್ಲಿ, ಈ ತಂತ್ರಜ್ಞಾನದ ಸಂಶೋಧನೆ ಮತ್ತು ಅಭಿವೃದ್ಧಿಯನ್ನು ಮತ್ತಷ್ಟು ವೇಗಗೊಳಿಸುವ ಮೂಲಕ, ಪರಿಚಿತ ಸಾಧನಗಳು ಮತ್ತು ವ್ಯವಸ್ಥೆಗಳಂತಹ ನೈಜ-ಪ್ರಪಂಚದ ಪರಿಸರಗಳಲ್ಲಿ ಬಳಸಬಹುದಾದ AI ತಂತ್ರಜ್ಞಾನವನ್ನು ಅರಿತುಕೊಳ್ಳಲು ನಾವು ಕೆಲಸ ಮಾಡುತ್ತೇವೆ. ಈ ತಂತ್ರಜ್ಞಾನವು ಅಮೆರಿಕದ ಪ್ಯಾನಾಸೋನಿಕ್ ಆರ್ & ಡಿ ಕಂಪನಿಯ ಡಿಜಿಟಲ್ AI ತಂತ್ರಜ್ಞಾನ ಕೇಂದ್ರ, ತಂತ್ರಜ್ಞಾನ ವಿಭಾಗ, AI ಪ್ರಯೋಗಾಲಯ ನಡೆಸಿದ ಸಂಶೋಧನೆಯ ಫಲಿತಾಂಶವಾಗಿದೆ.
ಚಿತ್ರ 2: ಡೇಟಾ ವೃದ್ಧಿಯ ಸಮಸ್ಯೆಯನ್ನು ಆಟೋಡಿಒ ಪರಿಹರಿಸುತ್ತದೆ (ಹಂಚಿಕೆಯ-ನೀತಿ ಡಿಎ ಸಂದಿಗ್ಧತೆ). ವರ್ಧಿತ ರೈಲು ಡೇಟಾದ ವಿತರಣೆ (ಡ್ಯಾಶ್ಡ್ ನೀಲಿ) ಸುಪ್ತ ಜಾಗದಲ್ಲಿ ಪರೀಕ್ಷಾ ಡೇಟಾಗೆ (ಘನ ಕೆಂಪು) ಹೊಂದಿಕೆಯಾಗದಿರಬಹುದು:
"2" ಕಡಿಮೆ ವೃದ್ಧಿಯಾಗಿದೆ, ಆದರೆ "5" ಅತಿ ವೃದ್ಧಿಯಾಗಿದೆ. ಪರಿಣಾಮವಾಗಿ, ಹಿಂದಿನ ವಿಧಾನಗಳು ಪರೀಕ್ಷಾ ವಿತರಣೆಗೆ ಹೊಂದಿಕೆಯಾಗುವುದಿಲ್ಲ ಮತ್ತು ಕಲಿತ ವರ್ಗೀಕರಣಕಾರ f(θ) ನ ನಿರ್ಧಾರವು ತಪ್ಪಾಗಿದೆ.
ಈ ತಂತ್ರಜ್ಞಾನಗಳ ವಿವರಗಳನ್ನು ಜೂನ್ 19, 2017 ರಿಂದ ನಡೆಯಲಿರುವ CVPR2021 ರಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ.
ಮೇಲಿನ ಸಂದೇಶವು ಪ್ಯಾನಾಸೋನಿಕ್ ಅಧಿಕೃತ ವೆಬ್‌ಸೈಟ್‌ನಿಂದ ಬಂದಿದೆ!
ಪೋಸ್ಟ್ ಸಮಯ: ಜೂನ್-03-2021
