高精度商品识别打造新零售产业

近年来，随着“新零售”概念的火热普及，越来越多的品牌商和超市零售行业开始接入人工智能技术，用来探索管理商品、控制成本和提升用户体验的多维数字化转型。在这一转型过程中，涉及到的货架展示分析、智能结算、智能库存管理、智能货柜、电子商务平台等以图搜图的场景背后的核心技术与商品识别算法密不可分。 

然而，与更常见的人工智能人脸识别技术相比，商品识别在实际工业应用中也面临着其独特的巨大挑战：

1、商品包装相似：相似的商品有不同的口味和价格，不同类别商品的外包装相似，这些都对图像识别精度有很高的要求。

2、有很多干扰因素：类似商品容易因角度问题而变形、折叠、屏蔽等干扰，这会影响识别结果。

3、类别更新非常快：零售商品通常以每小时的速度更新和迭代。如果每次添加新产品时只需要一个模型来训练模型，那么模型训练成本和时间成本都是巨大的。

鉴于上述困难，百度AI基于真实零售场景中的数据推出了智能超市商品识别，可用于商品智能结算等多种场景。它提供了从数据准备、技术方案、模型训练优化到模型部署的全过程可重用方案，有效解决了识别速度和准确性要求高、不同商品相似度高、模型再训练成本高的问题，它极大地提高了人工智能在超市零售业中应用的可能性。

智慧零售商品识别方案为解决零售场景中商品的多类别、小样本、高相似度和频繁更新问题提供了新思路。它不仅能准确识别多种商品类别，而且能满足对预测效率的终极追求。