我们接触人工智能技术，大多是从人脸识别开始的，从企业安防到手机解锁在到支付都得到了广泛的应用，而与人脸识别相对应的是识别，，其中的商品识别由于在零售商品有广泛的应用空间，最近两年逐步受到行业龙头人工智能企业的重视，包括腾讯、阿里巴巴等都在零售商品识别领域有广泛的研究。那么关于这一技术实现有什么难处呢？大家随一起来看一看吧。
零售商品识别的难点
“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。
从技术上来看，商品识别分为两个步骤，第一步是目标检测，也就是在一个图片上先找到一个或者多个感兴趣的目标，一般用一个叫bounding-box的画框把目标抠出来。第二步是对这个画框的内容进行识别，区分具体是哪个商品。在大部分场景，第一步目标检测的难度是远远超过识别的难度。我们来看一个例子。
这是一个用手机拍摄的货架排面检查图片，图片里大概有几百个商品，这种高密集的目标检测，要做到一个不多一个不少是很困难的。现在流行的目标检测模型faster-rcnn或者yolo都不是针对这种高密集目标检测设计的，比较容易造成漏框和多框的错误。如果这个拍摄的摄像头是安装在店内的顶部，造成的拍摄角度会大大增加检测的难度。
商品的识别大部分是在特定的场景下进行，具体的物理摆放会大大增加识别的难度。下图是一个智能零售柜内用鱼眼摄像头拍到的图片，我们可以看到大部分商品只漏顶部的一些信息，有些只漏出瓶盖的部分，这样对类似商品的区分大大增加了难度。
在实际商品识别应用中，单纯一个识别模型很难解决实际的问题，往往需要通过物理条件的改变，以及多模型的融合才能达到可以应用的水平。模型复杂度的增加也会影响最后的计算资源成本。
原文链接：https://www.lenztechretail.com/
转载请标注出处
#迪丽热巴突遭求婚#
零售商品识别的难点
“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。
从技术上来看，商品识别分为两个步骤，第一步是目标检测，也就是在一个图片上先找到一个或者多个感兴趣的目标，一般用一个叫bounding-box的画框把目标抠出来。第二步是对这个画框的内容进行识别，区分具体是哪个商品。在大部分场景，第一步目标检测的难度是远远超过识别的难度。我们来看一个例子。
这是一个用手机拍摄的货架排面检查图片，图片里大概有几百个商品，这种高密集的目标检测，要做到一个不多一个不少是很困难的。现在流行的目标检测模型faster-rcnn或者yolo都不是针对这种高密集目标检测设计的，比较容易造成漏框和多框的错误。如果这个拍摄的摄像头是安装在店内的顶部，造成的拍摄角度会大大增加检测的难度。
商品的识别大部分是在特定的场景下进行，具体的物理摆放会大大增加识别的难度。下图是一个智能零售柜内用鱼眼摄像头拍到的图片，我们可以看到大部分商品只漏顶部的一些信息，有些只漏出瓶盖的部分，这样对类似商品的区分大大增加了难度。
在实际商品识别应用中，单纯一个识别模型很难解决实际的问题，往往需要通过物理条件的改变，以及多模型的融合才能达到可以应用的水平。模型复杂度的增加也会影响最后的计算资源成本。
原文链接：https://www.lenztechretail.com/
转载请标注出处
#迪丽热巴突遭求婚#
