Что такое image recognition?
Image recognition — это распознавание изображений, один из методов компьютерного зрения. Нейросеть получает изображение, находит на нем объекты и определяет, к какому классу относится каждый из них, например, «бутылка», «ценник» или конкретный товар.
Алгоритмы image recognition учатся на размеченных примерах. Разработчики собирают много изображений и отмечают на каждом, где стоит какой объект. Нейросеть изучает эти примеры и учится находить похожие объекты на новых снимках. Поэтому модель уверенно распознает только те объекты, которые были в обучающих примерах.
Кроме image recognition, компьютерное зрение включает и другие методы, например, распознавание текста и анализ видео. В ритейле на image recognition работают системы распознавания товаров. Разработчик обучает модель на упаковках конкретных SKU, поэтому система различает товары на полке и может сравнить результат с планограммой.
Ключевые моменты
- Алгоритм image recognition находит объект на снимке и определяет, к какому классу этот объект относится.
- Модель распознает только те объекты, на которых ее обучили, поэтому для каждого нового товара ей нужны изображения.
- Точность распознавания зависит от качества снимка, освещения и угла съемки.
- В ритейле разработчики применяют этот метод, чтобы система распознавала товары, ценники и POSM на фото полки.
Как это выглядит на практике
Производитель косметики хотел проверять, стоят ли в магазинах его шампуни и рекламные материалы, за которые он заплатил торговым сетям. Сначала компания взяла готовую модель image recognition, которая находит на фото общие объекты, например, флаконы и коробки. Модель находила флаконы, но не отличала один шампунь бренда от другого и не замечала POSM.
Тогда производитель перешел на систему распознавания товаров, модель которой разработчик обучил на упаковках нужных SKU и на образцах рекламных материалов. Отчеты стали показывать, каких товаров и материалов нет в каждом магазине, и производитель отправил мерчандайзеров в магазины, где этих товаров и материалов не было.
Типичные ошибки
- Компания считает, что любая модель image recognition сразу распознает ее товары. Общая модель отличает бутылку от коробки, но не различает вкусы одной линейки.
- Разработчик обучает модель только на студийных фото упаковок и не добавляет снимки из магазинов. На полке с бликами и тенями точность модели падает.
- Менеджер оценивает алгоритм по общему проценту точности и не проверяет, на каких товарах модель ошибается чаще всего.
- Команда не обновляет модель после смены дизайна упаковки, и система перестает узнавать товар.
Как image recognition работает в Goods Checker
Модуль Shelf Eye распознает на фото товары и ценники и находит пустые места на полке.
Мерчандайзер снимает полку в приложении Check & Go, которое проверяет качество фото и склеивает несколько снимков длинной полки. В Goods Checker точность распознавания превышает 95%, а обработка одной фотографии занимает до 30 секунд.