ପାନାସୋନିକ୍ ଦୁଇଟି ଉନ୍ନତ AI ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ବିକଶିତ କରିଛି,
CVPR2021 ରେ ଗ୍ରହଣ କରାଯାଇଛି,
ବିଶ୍ୱର ଅଗ୍ରଣୀ ଆନ୍ତର୍ଜାତୀୟ AI ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ସମ୍ମିଳନୀ
[1] ହୋମ୍ ଆକ୍ସନ୍ ଜିନୋମ୍: ବିପରୀତ ରଚନାତ୍ମକ ଆକ୍ସନ୍ ବୁଝାମଣା
ଆମେ ଘୋଷଣା କରି ଖୁସି ହେଉଛୁ ଯେ ଆମେ ଏକ ନୂତନ ଡାଟାସେଟ୍ "ହୋମ୍ ଆକ୍ସନ୍ ଜିନୋମ୍" ବିକଶିତ କରିଛୁ ଯାହା କ୍ୟାମେରା, ମାଇକ୍ରୋଫୋନ୍ ଏବଂ ଥର୍ମାଲ୍ ସେନ୍ସର୍ ସମେତ ବିଭିନ୍ନ ପ୍ରକାରର ସେନ୍ସର୍ ବ୍ୟବହାର କରି ଲୋକଙ୍କ ଘରେ ଦୈନନ୍ଦିନ କାର୍ଯ୍ୟକଳାପ ସଂଗ୍ରହ କରେ। ଆମେ ବାସସ୍ଥାନ ପାଇଁ ବିଶ୍ୱର ସର୍ବବୃହତ ମଲ୍ଟିମୋଡାଲ୍ ଡାଟାସେଟ୍ ନିର୍ମାଣ ଏବଂ ମୁକ୍ତ କରିଛୁ, ଯେତେବେଳେ ବାସସ୍ଥାନ ପାଇଁ ଅଧିକାଂଶ ଡାଟାସେଟ୍ ସ୍କେଲ୍ରେ ଛୋଟ ହୋଇଛି। ଏହି ଡାଟାସେଟ୍ ପ୍ରୟୋଗ କରି, AI ଗବେଷକମାନେ ଏହାକୁ ମେସିନ୍ ଲର୍ଣ୍ଣିଂ ଏବଂ ବାସସ୍ଥାନରେ ଲୋକଙ୍କୁ ସମର୍ଥନ କରିବା ପାଇଁ AI ଗବେଷଣା ପାଇଁ ତାଲିମ ତଥ୍ୟ ଭାବରେ ବ୍ୟବହାର କରିପାରିବେ।
ଉପରୋକ୍ତ ବ୍ୟତୀତ, ଆମେ ବହୁମୁଖୀ ଏବଂ ବହୁମୁଖୀ ଦୃଷ୍ଟିକୋଣରେ ପଦାନୁକ୍ରମିକ କାର୍ଯ୍ୟକଳାପ ଚିହ୍ନଟ ପାଇଁ ଏକ ସହଯୋଗ ଶିକ୍ଷଣ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ବିକଶିତ କରିଛୁ। ଏହି ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ପ୍ରୟୋଗ କରି, ଆମେ ବିଭିନ୍ନ ଦୃଷ୍ଟିକୋଣ, ସେନ୍ସର, ପଦାନୁକ୍ରମିକ ଆଚରଣ ଏବଂ ବିସ୍ତୃତ ଆଚରଣ ଲେବଲ୍ ମଧ୍ୟରେ ସୁସଙ୍ଗତ ବୈଶିଷ୍ଟ୍ୟଗୁଡ଼ିକ ଶିଖିପାରିବା, ଏବଂ ଏହିପରି ବାସସ୍ଥାନରେ ଜଟିଳ କାର୍ଯ୍ୟକଳାପର ଚିହ୍ନଟ କାର୍ଯ୍ୟଦକ୍ଷତାକୁ ଉନ୍ନତ କରିପାରିବା।
ଏହି ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ଡିଜିଟାଲ୍ ଏଆଇ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା କେନ୍ଦ୍ର, ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ବିଭାଗ ଏବଂ ଷ୍ଟାନଫୋର୍ଡ ବିଶ୍ୱବିଦ୍ୟାଳୟର ଷ୍ଟାନଫୋର୍ଡ ଭିଜନ୍ ଏବଂ ଲର୍ଣ୍ଣିଂ ଲ୍ୟାବ୍ ମଧ୍ୟରେ ସହଯୋଗରେ କରାଯାଇଥିବା ଗବେଷଣାର ଫଳାଫଳ।
ଚିତ୍ର ୧: ସମବାୟ ରଚନାମୂଳକ କାର୍ଯ୍ୟ ବୁଝାମଣା (CCAU) ସମସ୍ତ ପଦ୍ଧତିକୁ ଏକାଠି ସହଯୋଗମୂଳକ ଭାବରେ ତାଲିମ ଦେବା ଦ୍ୱାରା ଆମେ ଉନ୍ନତ କାର୍ଯ୍ୟଦକ୍ଷତା ଦେଖିପାରିବା।
ଭିଡିଓ ଏବଂ ପରମାଣୁ କାର୍ଯ୍ୟ ଉଭୟ ମଧ୍ୟରେ ଥିବା ରଚନାମୂଳକ ପାରସ୍ପରିକ କ୍ରିୟାରୁ ଲାଭ ପାଇବା ପାଇଁ ଆମେ ଭିଡିଓ-ସ୍ତର ଏବଂ ପରମାଣୁ କାର୍ଯ୍ୟ ଲେବଲ୍ ବ୍ୟବହାର କରି ତାଲିମ ବ୍ୟବହାର କରୁ।
[2] AutoDO: ସ୍କେଲେବଲ୍ ପ୍ରୋବାବିଲିଷ୍ଟିକ୍ ଇମ୍ପ୍ଲିସିଟ୍ ଡିଫରେନ୍ସିଏସନ୍ ମାଧ୍ୟମରେ ଲେବଲ୍ ଶବ୍ଦ ସହିତ ପକ୍ଷପାତୀ ଡାଟା ପାଇଁ ଦୃଢ଼ ଅଟୋଅଗମେଣ୍ଟ୍।
ଆମେ ଏହା ଘୋଷଣା କରି ଖୁସି ଯେ ଆମେ ଏକ ନୂତନ ମେସିନ୍ ଲର୍ଣ୍ଣିଂ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ବିକଶିତ କରିଛୁ ଯାହା ତାଲିମ ତଥ୍ୟ ବଣ୍ଟନ ଅନୁସାରେ ସ୍ୱୟଂଚାଳିତ ଭାବରେ ସର୍ବୋତ୍ତମ ତଥ୍ୟ ବୃଦ୍ଧି କରିଥାଏ। ଏହି ପ୍ରଯୁକ୍ତିବିଦ୍ୟାକୁ ବାସ୍ତବ ବିଶ୍ୱ ପରିସ୍ଥିତିରେ ପ୍ରୟୋଗ କରାଯାଇପାରିବ, ଯେଉଁଠାରେ ଉପଲବ୍ଧ ତଥ୍ୟ ବହୁତ କମ୍। ଆମର ମୁଖ୍ୟ ବ୍ୟବସାୟ କ୍ଷେତ୍ରରେ ଏପରି ଅନେକ ମାମଲା ଅଛି, ଯେଉଁଠାରେ ଉପଲବ୍ଧ ତଥ୍ୟର ସୀମାବଦ୍ଧତା ଯୋଗୁଁ AI ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ପ୍ରୟୋଗ କରିବା କଷ୍ଟକର। ଏହି ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ପ୍ରୟୋଗ କରି, ଡାଟା ବୃଦ୍ଧି ପାରାମିଟରଗୁଡ଼ିକର ଟ୍ୟୁନିଂ ପ୍ରକ୍ରିୟାକୁ ଦୂର କରାଯାଇପାରିବ, ଏବଂ ପାରାମିଟରଗୁଡ଼ିକୁ ସ୍ୱୟଂଚାଳିତ ଭାବରେ ଆଡଜଷ୍ଟ କରାଯାଇପାରିବ। ତେଣୁ, ଏହା ଆଶା କରାଯାଇପାରେ ଯେ AI ପ୍ରଯୁକ୍ତିର ପ୍ରୟୋଗ ପରିସରକୁ ଅଧିକ ବ୍ୟାପକ ଭାବରେ ବିସ୍ତାର କରାଯାଇପାରିବ। ଭବିଷ୍ୟତରେ, ଏହି ପ୍ରଯୁକ୍ତିର ଗବେଷଣା ଏବଂ ବିକାଶକୁ ଆହୁରି ତ୍ୱରାନ୍ୱିତ କରି, ଆମେ ପରିଚିତ ଡିଭାଇସ୍ ଏବଂ ସିଷ୍ଟମ୍ ଭଳି ବାସ୍ତବ-ବିଶ୍ୱ ପରିବେଶରେ ବ୍ୟବହାର କରାଯାଇପାରିବ AI ପ୍ରଯୁକ୍ତିବିଦ୍ୟାକୁ ସାକାର କରିବା ପାଇଁ କାର୍ଯ୍ୟ କରିବୁ। ଏହି ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ହେଉଛି ଆମେରିକାର Panasonic R&D କମ୍ପାନୀର ଡିଜିଟାଲ୍ AI ପ୍ରଯୁକ୍ତିବିଦ୍ୟା କେନ୍ଦ୍ର, ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ବିଭାଗ, AI ପ୍ରୟୋଗଶାଳା ଦ୍ୱାରା କରାଯାଇଥିବା ଗବେଷଣାର ଫଳାଫଳ।
ଚିତ୍ର 2: AutoDO ଡାଟା ବୃଦ୍ଧି (ସେୟାର-ପଲିସି DA ଦ୍ୱନ୍ଦ୍ୱ) ସମସ୍ୟାର ସମାଧାନ କରେ। ବୃଦ୍ଧି ହୋଇଥିବା ଟ୍ରେନ୍ ଡାଟା (ଡ୍ୟାସ୍ ନୀଳ) ର ବଣ୍ଟନ ଗୁପ୍ତ ସ୍ଥାନରେ ଥିବା ପରୀକ୍ଷା ତଥ୍ୟ (କଠିନ ଲାଲ) ସହିତ ମେଳ ଖାଉ ନାହିଁ:
"2" କମ୍ ବୃଦ୍ଧି ପାଇଛି, ଯେତେବେଳେ "5" ଅଧିକ ବୃଦ୍ଧି ପାଇଛି। ଫଳସ୍ୱରୂପ, ପୂର୍ବ ପଦ୍ଧତିଗୁଡ଼ିକ ପରୀକ୍ଷା ବଣ୍ଟନ ସହିତ ମେଳ ଖାଉ ନାହିଁ ଏବଂ ଶିଖିତ ବର୍ଗୀକରଣ f(θ) ର ନିଷ୍ପତ୍ତି ସଠିକ ନୁହେଁ।
ଏହି ପ୍ରଯୁକ୍ତିବିଦ୍ୟାଗୁଡ଼ିକର ବିବରଣୀ CVPR2021 (ଜୁନ୍ 19, 2017 ରୁ ଅନୁଷ୍ଠିତ ହେବାକୁ) ରେ ଉପସ୍ଥାପିତ ହେବ।
ଉପରୋକ୍ତ ବାର୍ତ୍ତାଟି Panasonicର ଅଫିସିଆଲ୍ ୱେବସାଇଟ୍ ରୁ ଆସିଛି!
ପୋଷ୍ଟ ସମୟ: ଜୁନ୍-୦୩-୨୦୨୧
