旷视科技发布最大商品识别数据集，推动新零售自动收银场景落地( 三 )_：旷视科技发布最大商品识别数据集

数据集的基准还在进行之中，目前最好的基线来自基于 Cycle-GAN 的数据合成方法。

ACO 任务

当顾客走进商店，把要购买的商品放在收银台上，一个理想的 ACO 系统可以自动识别每个商品，并一次性准确给出购物清单，如图 1 所示。

图 1：ACO 图示。

因此，ACO 本质上是识别任意商品组合中每个商品的出现并计数的一个系统。

一般来讲，为保证性能，训练 ACO 识别系统的图像应该和实际收银场景一模一样。但是由于海量的商品类别加之不断更新，让识别模型穷尽所有的商品组合是不现实的，因此一个可行的解决方案是在特定环境下采集一类单品图像，并将其复用至实际结算中。

RPC 数据集特点

旷视提出的 RPC 数据集具有 6 个方面的特性。

量大：无论是从图像数量还是商品种类（SKU）上来看，RPC 都是该领域之最：SKU 达 200 个，图像数量 83,739 张，其中单品图 53,739 张，结算图 30,000 张。

旷视科技发布最大商品识别数据集，推动新零售自动收银场景落地( 三 )