FOR UMIDDELBAR UTGIVELSE nr. 3247

Denne teksten er en oversettelse av den offisielle engelske versjonen av pressemeldingen, og den er kun ment som et praktisk referanseverktøy. Du finner detaljene og spesifikasjonene i den originale engelske versjonen. Dersom tekstene ikke stemmer overens, er det den originale engelske versjonen som gjelder.

Mitsubishi Electric utvikler kompakt GAN

Tilbyr rask bildesyntese med lav beregningskompleksitet og redusert minnestørrelse

PDF-versjon (PDF:215.0KB)

TOKYO, 31. januar 2019 – Mitsubishi Electric Corporation (TOKYO: 6503) kunngjorde i dag at de har utviklet en kompakt GAN (Generative Adversarial Network) basert på Mitsubishi Electrics merkevarebeskyttede Maisart®*-teknologi for kunstig intelligens (AI). GAN-er er utledet fra en ny maskinlæringsteknologi som syntetiserer fotorealistiske bilder ved å få to AI-er – en generator og en diskriminator – til å konkurrere med hverandre. Beregningskompleksiteten og minnestørrelsen til den kompakte GAN-en er ca. én tidel av den til en konvensjonell GAN**, en egenskap som muliggjør effektiv syntese av det enorme antallet bilder som brukes i opplæring av andre AI-er.

* Mitsubishi Electric's AI creates the State-of-the-ART in Technology (Mitsubishi Electrics AI skaper det aller beste innen teknologi)
** Basert på en intern sammenligning med vår egen implementering av en konvensjonell GAN

0131-a_img

Oversikt over GAN og algoritmen som er utviklet

Viktige funksjoner

1)
Reduserer beregningskompleksiteten og minnekapasiteten til generatoren med 90 %
Med en GAN kalles AI-en som syntetiserer bilder, en generator, og realiseres ofte ved hjelp av et dypt nevralt nettverk som krever betydelige beregningsressurser og minne. Mitsubishi Electric har utviklet en ny algoritme som vurderer betydningen av hvert lag i dype nevrale nettverk. Ved å fjerne lag som vurderes å være ubetydelige, kan generatorens beregningskostnad og minnestørrelse reduseres til ca. én tidel av den vanlige størrelsen** uten at det går ut over kvaliteten på de syntetiserte bildene.
2)
Reduserer kostnadene ved å forberede opplæringsbilder for AI-er
Opplæring av AI for å gjenkjenne bilder krever tilgang til millioner av eller titalls millioner av bilder med diverse variasjoner – en av de største utfordringene ved dagens AI-bruksområder, siden slik dataforberedelse er svært kostbar i form av nødvendig tid og ressurser. Den nye kompakte GAN-en kan syntetisere bilder automatisk og raskt ved hjelp av rimelige enheter som bærbare PC-er, noe som potensielt kan føre til en betydelig reduksjon i kostnadene ved å forberede opplæringsbilder for AI-er.

Merk at pressemeldingene er riktige på publiseringstidspunktet, men de kan endres uten varsel.