`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

Как изменилось финансирование ИТ-направления в вашей организации?

Best CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

SMART business разработала решение на базе машинного обучения для ритейла

+22
голоса

SMART business разработала решение на базе машинного обучения для ритейла

Компания SMART business представила систему, базирующуюся на технологиях машинного обучения, которая упрощает работу мерчандайзеров и маркетологов в ритейле.

В частности на основе технологий Microsoft предложено решение для контроля выкладки товаров на полках магазинов.

«С помощью технологии распознавания товары идентифицируются как объекты, определяется, где выкладка товара правильная или же фиксируется ситуация, когда установленные плавила нарушены», — отметил Дмитрий Солопов, менеджер по развитию бизнеса по направлению Advance Analytics компании SMART business. «Для производителя крайне важно контролировать выкладку товара в магазинах — на какой полке, рядом с каким конкурентом и в каком количестве его продукция представлена в торговой точке. Традиционный подход требует для проведения такой процедуры не один день, наше решение ускоряет процесс в десятки раз», — продолжил он.

Специалисты SMART business попробовали решить поставленную задачу с помощью искусственного интеллекта и провели уже одно внедрение для крупного украинского производителя кондитерских изделий, одного из лидеров рынка.

Для решения задачи были опробованы три технологии для классификации изображений, в частности Microsoft Custom Vision Service, Transfer Learning с использованием CNTK ResNet, и Object Detection с CNTK Fast-RCNN. В результате была выбрана технология Fast-RCNN, способная распознавать объекты на изображении и классифицировать их.

Как отмечается, нейронная сеть обучалась неделю — это позволило разработать базовую модель, которая в 70% случаев верно определяла неправильную выкладку товаров. По словам Дмитрия Солопова, этот показатель в дальнейшем можно увеличить за счет дополнительного обучения системы. «Мы также работаем над тем, чтобы система не только оповещала о наличии полки с неверной выкладкой, но и указывала, что конкретно нужно исправить», заявил специалист SMART business. Как правило, для обучения нейросети требуется в среднем около 1000 фото- и видеоматериалов одной учетной единицы под разными углами с разным освещением.

Разработанная SMART business система может использоваться как в виде мобильного приложения на смартфоне мерчандайзера, так и в виде специального ПО на компьютере, где в режиме реального времени выводится аналитика по точкам продаж.

+22
голоса

Напечатать Отправить другу

Читайте также

 
 
IDC
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT