پیناسونک نے دو جدید AI ٹیکنالوجیز تیار کیں،
CVPR2021 کو قبول کیا گیا،
دنیا کی معروف بین الاقوامی AI ٹیکنالوجی کانفرنس
[1] ہوم ایکشن جینوم: متضاد کمپوزیشنل ایکشن انڈرسٹینڈنگ
ہمیں یہ اعلان کرتے ہوئے خوشی ہو رہی ہے کہ ہم نے ایک نیا ڈیٹا سیٹ "ہوم ایکشن جینوم" تیار کیا ہے جو کہ کئی قسم کے سینسر، بشمول کیمرے، مائکروفون اور تھرمل سینسرز کا استعمال کرتے ہوئے ان کے گھروں میں انسان کی روزمرہ کی سرگرمیوں کو جمع کرتا ہے۔ ہم نے رہنے کی جگہوں کے لیے دنیا کا سب سے بڑا ملٹی موڈل ڈیٹاسیٹ بنایا اور جاری کیا ہے، جب کہ رہنے کی جگہوں کے لیے زیادہ تر ڈیٹا سیٹ پیمانے پر چھوٹے ہیں۔ اس ڈیٹاسیٹ کو لاگو کرنے سے، AI محققین اسے مشین لرننگ اور AI ریسرچ کے لیے تربیتی ڈیٹا کے طور پر استعمال کر سکتے ہیں تاکہ رہنے والے لوگوں کی مدد کی جا سکے۔
مندرجہ بالا کے علاوہ، ہم نے ملٹی موڈل اور ایک سے زیادہ نقطہ نظر میں درجہ بندی کی سرگرمی کی شناخت کے لیے ایک کوآپریٹو لرننگ ٹیکنالوجی تیار کی ہے۔ اس ٹیکنالوجی کو لاگو کرنے سے، ہم مختلف نقطہ نظر، سینسر، درجہ بندی کے طرز عمل، اور تفصیلی رویے کے لیبلز کے درمیان مستقل خصوصیات سیکھ سکتے ہیں، اور اس طرح رہائشی جگہوں میں پیچیدہ سرگرمیوں کی شناخت کی کارکردگی کو بہتر بنا سکتے ہیں۔
یہ ٹیکنالوجی ڈیجیٹل اے آئی ٹیکنالوجی سینٹر، ٹیکنالوجی ڈویژن، اور سٹینفورڈ یونیورسٹی میں سٹینفورڈ ویژن اور لرننگ لیب کے درمیان تعاون سے کی گئی تحقیق کا نتیجہ ہے۔
شکل 1: کوآپریٹو کمپوزیشنل ایکشن انڈرسٹینڈنگ (CCAU)تمام طریقوں کو ایک ساتھ مل کر تربیت دینا ہمیں بہتر کارکردگی دیکھنے کی اجازت دیتا ہے۔
ہم ویڈیو لیول اور ایٹم ایکشن لیبل دونوں کا استعمال کرتے ہوئے ٹریننگ کا استعمال کرتے ہیں تاکہ ویڈیوز اور ایٹم ایکشن دونوں کو دونوں کے درمیان کمپوزیشنل تعاملات سے فائدہ حاصل ہو سکے۔
[2] آٹو ڈی او: قابل توسیع امکانی مضمر تفریق کے ذریعے لیبل شور کے ساتھ متعصب ڈیٹا کے لیے مضبوط آٹو آگمنٹ
ہمیں یہ اعلان کرتے ہوئے بھی خوشی ہو رہی ہے کہ ہم نے ایک نئی مشین لرننگ ٹکنالوجی تیار کی ہے جو خود بخود تربیتی ڈیٹا کی تقسیم کے مطابق بہترین ڈیٹا کو بڑھاتی ہے۔ اس ٹیکنالوجی کو حقیقی دنیا کے حالات پر لاگو کیا جا سکتا ہے، جہاں دستیاب ڈیٹا بہت کم ہے۔ ہمارے اہم کاروباری علاقوں میں بہت سے معاملات ہیں، جہاں دستیاب ڈیٹا کی حدود کی وجہ سے AI ٹیکنالوجی کو لاگو کرنا مشکل ہے۔ اس ٹیکنالوجی کو لاگو کرنے سے، ڈیٹا بڑھانے کے پیرامیٹرز کی ٹیوننگ کے عمل کو ختم کیا جا سکتا ہے، اور پیرامیٹرز کو خود بخود ایڈجسٹ کیا جا سکتا ہے۔ لہذا، یہ امید کی جا سکتی ہے کہ AI ٹیکنالوجی کی درخواست کی حد زیادہ وسیع پیمانے پر پھیل سکتی ہے. مستقبل میں، اس ٹیکنالوجی کی تحقیق اور ترقی کو مزید تیز کرتے ہوئے، ہم AI ٹیکنالوجی کو محسوس کرنے کے لیے کام کریں گے جسے حقیقی دنیا کے ماحول جیسے کہ مانوس آلات اور سسٹمز میں استعمال کیا جا سکتا ہے۔ یہ ٹیکنالوجی ڈیجیٹل AI ٹیکنالوجی سینٹر، ٹیکنالوجی ڈویژن، امریکہ کی Panasonic R&D کمپنی کی AI لیبارٹری کے ذریعے کی گئی تحقیق کا نتیجہ ہے۔
شکل 2: آٹو ڈی او ڈیٹا کو بڑھانے کے مسئلے کو حل کرتا ہے (مشترکہ پالیسی DA مشکوک)۔ آگمینٹڈ ٹرین ڈیٹا (ڈیشڈ نیلے) کی تقسیم خفیہ جگہ میں ٹیسٹ ڈیٹا (ٹھوس سرخ) سے مماثل نہیں ہوسکتی ہے:
"2" کم بڑھا ہوا ہے، جب کہ "5" زیادہ بڑھا ہوا ہے۔ نتیجے کے طور پر، پہلے کے طریقے ٹیسٹ کی تقسیم سے میل نہیں کھا سکتے اور سیکھے ہوئے درجہ بندی کرنے والے f(θ) کا فیصلہ غلط ہے۔
ان ٹیکنالوجیز کی تفصیلات CVPR2021 (جو 19 جون 2017 سے منعقد ہوں گی) میں پیش کی جائیں گی۔
اوپر پیغام پیناسونک کی سرکاری ویب سائٹ سے آیا ہے!
پوسٹ ٹائم: جون 03-2021
