计算机视觉之商品识别的技术难点及场景应用( 五 )_世界顶级人工智能交流合作平台2019世界

Amazon Go的自动结算方案是商品识别的另外一个重要应用场景，但是由于开放式的环境，一般都还需要利用重量感应器等其它辅助手段才能达到一定的准确率。而场景可控的智能零售柜成为一个新的零售终端方式，在办公楼、学校、医院等场景得到了大力的推广。虽然有物体密集摆放、鱼眼摄像头造成的图像畸形以及遮挡等问题，海深科技推出的G-BOX AI 零售柜在实际应用场景中能够达到99.8%的准确率，无论是在识别速度还是准确率方面，都处于领先水准。

不同于人脸识别已经有多个权威的测试数据集，商品识别并没有统一的标准和测试数据，造成这个领域的学习成本很高。我们了解到海深科技正在建设商品识别数据共享平台，把商品数据和算法以服务的方式开放给应用方，推动这个领域的技术发展。

商品识别的发展趋势

边缘化计算是商品识别的一个趋势。由于模型的复杂程度，大部分商品识别算法只能部署在云端GPU完成计算。这个也是商超线下数字化目前遇到的困境，巨大的带宽需求和计算资源造成单店成本过高。随着嵌入式计算的发展，更多的计算能够在前端完成，增加部署的灵活性。