计算机视觉之商品识别的技术难点及场景应用( 二 )_世界顶级人工智能交流合作平台2019世界

类似于淘宝购物，如果商超能够实现对顾客从进店那一刻起的所有行为进行识别和分析，那么会大大提升店内的商品优化和运营效率。这个领域的核心技术为人的识别（人脸识别、用户重识别Re-ID以及用户行为分析）和商品识别。而商品识别同时还有货架排面分析，自动结算等方面的应用，是解决线下数字化的一个核心技术点。

商品识别的难点

“人脸识别和商品识别哪个更难？”这是很多人经常问的一个问题。首先这个问题不是很科学，任何问题在不同的场景都可以很难或者比较容易。从算法模型来看，人脸识别模型可以做到手机上，而商品识别基本上不可能做到，也就是商品识别的模型一般会比人脸识别的模型大很多。商品识别最大的难度在于商品种类的多样性和多角度识别。很多应用场景会要求对商品的各个角度能够识别，我们简单理解一下，如果人的识别也要做到看后脑勺就能识别，是不是难度高了好几个级别。另外一个方面是很多人脸识别是配合型的，但是商品识别基本都是不配合型的。