Panasonic இரண்டு மேம்பட்ட AI தொழில்நுட்பங்களை உருவாக்குகிறது,
CVPR2021 க்கு ஏற்றுக்கொள்ளப்பட்டது,
உலகின் முன்னணி சர்வதேச AI தொழில்நுட்ப மாநாடு

[1] ஹோம் ஆக்ஷன் ஜீனோம்: கான்ட்ராஸ்டிவ் கம்போசிஷனல் ஆக்ஷன் அண்டர்ஸ்டாண்டிங்

கேமராக்கள், மைக்ரோஃபோன்கள் மற்றும் தெர்மல் சென்சார்கள் உள்ளிட்ட பல வகையான சென்சார்களைப் பயன்படுத்தி, மனிதர்களின் அன்றாட நடவடிக்கைகளை அவர்களின் வீடுகளில் சேகரிக்கும் புதிய தரவுத்தொகுப்பை "ஹோம் ஆக்ஷன் ஜீனோம்" உருவாக்கியுள்ளோம் என்பதை அறிவிப்பதில் மகிழ்ச்சி அடைகிறோம். வாழும் இடங்களுக்கான உலகின் மிகப் பெரிய மல்டிமாடல் தரவுத்தொகுப்பை நாங்கள் உருவாக்கி வெளியிட்டுள்ளோம். இந்தத் தரவுத்தொகுப்பைப் பயன்படுத்துவதன் மூலம், AI ஆராய்ச்சியாளர்கள் அதை இயந்திரக் கற்றலுக்கான பயிற்சித் தரவாகவும், வாழும் இடத்தில் மக்களுக்கு ஆதரவளிக்க AI ஆராய்ச்சிக்காகவும் பயன்படுத்தலாம்.

மேற்கூறியவற்றைத் தவிர, மல்டிமாடல் மற்றும் பல கண்ணோட்டங்களில் படிநிலை செயல்பாடு அங்கீகாரத்திற்கான கூட்டுறவு கற்றல் தொழில்நுட்பத்தை நாங்கள் உருவாக்கியுள்ளோம். இந்த தொழில்நுட்பத்தைப் பயன்படுத்துவதன் மூலம், வெவ்வேறு கண்ணோட்டங்கள், சென்சார்கள், படிநிலை நடத்தைகள் மற்றும் விரிவான நடத்தை லேபிள்களுக்கு இடையே நிலையான அம்சங்களைக் கற்றுக் கொள்ளலாம், இதனால் வாழ்க்கை இடங்களில் சிக்கலான செயல்பாடுகளின் அங்கீகார செயல்திறனை மேம்படுத்தலாம்.
இந்த தொழில்நுட்பம் டிஜிட்டல் AI தொழில்நுட்ப மையம், தொழில்நுட்பப் பிரிவு மற்றும் ஸ்டான்போர்ட் பல்கலைக்கழகத்தில் உள்ள ஸ்டான்போர்ட் விஷன் மற்றும் கற்றல் ஆய்வகம் ஆகியவற்றுடன் இணைந்து நடத்தப்பட்ட ஆராய்ச்சியின் விளைவாகும்.

படம்1: கூட்டுறவு கலவை செயல் புரிதல் (CCAU) அனைத்து முறைகளையும் ஒன்றாக இணைந்து பயிற்சியளிப்பது மேம்பட்ட செயல்திறனைக் காண அனுமதிக்கிறது.
வீடியோ-நிலை மற்றும் அணு செயல் லேபிள்கள் இரண்டையும் பயன்படுத்தி, வீடியோக்கள் மற்றும் அணுச் செயல்கள் இரண்டிற்கும் இடையேயான கலவையான தொடர்புகளிலிருந்து பயனடைய அனுமதிக்கும் பயிற்சியைப் பயன்படுத்துகிறோம்.

[2] AutoDO: அளவிடக்கூடிய நிகழ்தகவு மறைமுக வேறுபாடு மூலம் லேபிள் சத்தத்துடன் பக்கச்சார்பான தரவுக்கான வலுவான தானியங்கு ஆக்மென்ட்

பயிற்சி தரவுகளின் விநியோகத்திற்கு ஏற்ப உகந்த தரவு பெருக்கத்தை தானாகவே செய்யும் புதிய இயந்திர கற்றல் தொழில்நுட்பத்தை நாங்கள் உருவாக்கியுள்ளோம் என்பதை அறிவிப்பதில் மகிழ்ச்சி அடைகிறோம். இந்த தொழில்நுட்பம் உண்மையான உலக சூழ்நிலைகளில் பயன்படுத்தப்படலாம், அங்கு கிடைக்கும் தரவு மிகவும் சிறியது. எங்கள் முக்கிய வணிகப் பகுதிகளில் பல வழக்குகள் உள்ளன, அங்கு கிடைக்கும் தரவுகளின் வரம்புகள் காரணமாக AI தொழில்நுட்பத்தைப் பயன்படுத்துவது கடினம். இந்த தொழில்நுட்பத்தைப் பயன்படுத்துவதன் மூலம், தரவு பெருக்குதல் அளவுருக்களின் சரிப்படுத்தும் செயல்முறையை அகற்றலாம், மேலும் அளவுருக்கள் தானாகவே சரிசெய்யப்படும். எனவே, AI தொழில்நுட்பத்தின் பயன்பாட்டு வரம்பை இன்னும் பரவலாகப் பரப்ப முடியும் என்று எதிர்பார்க்கலாம். எதிர்காலத்தில், இந்தத் தொழில்நுட்பத்தின் ஆராய்ச்சி மற்றும் மேம்பாட்டை மேலும் துரிதப்படுத்துவதன் மூலம், பரிச்சயமான சாதனங்கள் மற்றும் அமைப்புகள் போன்ற நிஜ-உலகச் சூழல்களில் பயன்படுத்தக்கூடிய AI தொழில்நுட்பத்தை உணர நாங்கள் பணியாற்றுவோம். இந்த தொழில்நுட்பம் அமெரிக்காவின் பானாசோனிக் R&D நிறுவனத்தின் டிஜிட்டல் AI தொழில்நுட்ப மையம், தொழில்நுட்பப் பிரிவு, AI ஆய்வகத்தால் நடத்தப்பட்ட ஆராய்ச்சியின் விளைவாகும்.

படம் 2: AutoDO தரவுப் பெருக்கத்தின் சிக்கலைத் தீர்க்கிறது (பகிரப்பட்ட-கொள்கை DA குழப்பம்). விரிவாக்கப்பட்ட ரயில் தரவின் விநியோகம் (கோடு நீலம்) மறைந்த இடத்தில் உள்ள சோதனைத் தரவுடன் (திட சிவப்பு) பொருந்தாமல் இருக்கலாம்:
"2" குறைவாக அதிகரிக்கப்பட்டுள்ளது, அதே நேரத்தில் "5" மிகைப்படுத்தப்பட்டுள்ளது. இதன் விளைவாக, முந்தைய முறைகள் சோதனை விநியோகத்துடன் பொருந்தவில்லை மற்றும் கற்றறிந்த வகைப்படுத்தி f(θ) இன் முடிவு தவறானது.