Lösungen: KI-Workflows
Schadensprävention im Einzelhandel
Entwickeln Sie skalierbare Lösungen für die Erkennung von Produkten, um Schwund an der Verkaufsstelle zu verhindern.
Die Herausforderung der Schadensprävention
Der Warenschwund im Einzelhandel ist Jahr für Jahr ein 100-Milliarden-Dollar-Problem, wobei über 65 % des Warenschwunds – mit steigender Tendenz – auf Diebstahl zurückzuführen sind. Mit dem KI-Workflow zur Schadensprävention im Einzelhandel von NVIDIA können Sie schnell Anwendungen zur Verhinderung von Diebstählen entwickeln und bereitstellen. Dieser KI-Workflow nutzt die NVIDIA Metropolis-Mikroservices und Modelle, die mit Hunderten der am häufigsten gestohlenen Waren trainiert wurden, und bietet aktives Few-Shot-Learning, um eine schnelle Skalierung auf die Erkennung von Hunderttausenden Produkten zu ermöglichen und intelligente Warnmeldungen mit umsetzbaren Informationen zu liefern.
Informieren Sie sich über den KI-Workflow für die Schadensprävention im Einzelhandel
Dieser Referenz-Workflow für Schadensprävention im Einzelhandel und reibungsloses Einkaufen basiert auf Cloud-nativen NVIDIA Metropolis-Microservices – einer Methode zur Entwicklung von KI-Anwendungen mit wenig oder gar keinem Programmcode – und liefert vortrainierte KI-Modelle zusammen mit den Anwendungen, die für den Einstieg in die Entwicklung von kameraübergreifender und Barcodescan-gestützter Identifizierung und das schnelle Indexieren von Hunderttausenden Ladenprodukten erforderlich sind.
Der Workflow beinhaltet:
- Vorab trainierte Modelle für die Produkterkennung im Einzelhandel.
- Eine Referenzlösung für den Einsatz im Produktivbetrieb, einschließlich eines Barcode-Scanner-Vergleichs.
Die KI-Modelle in diesem Workflow sind vorab darauf trainiert, die Hunderte von Produkten zu erkennen, die am häufigsten durch Diebstahl verloren gehen, darunter Fleisch, Alkohol und Waschmittel, und sie in verschiedenen Größen und Formen zu identifizieren. Mit der Generierung synthetischer Daten aus NVIDIA Omniverse™ können Einzelhändler und unabhängige Softwareanbieter die Modelle anpassen und weiter trainieren, um Hunderttausende von Ladenprodukten abzudecken. Der Workflow basiert auf einer hochmodernen, von NVIDIA Research entwickelten „few-shot“-Lerntechnik, die in Kombination mit aktivem Lernen neue Produkte identifiziert und erfasst, die von Kunden und Verkäufern während des Kassierens gescannt werden, um die Modellgenauigkeit zu verbessern.
Verringern Sie Schwund mit Vision-KI-basierter Schadensprävention
Wichtige Vorteile des KI-Workflows zur Schadensprävention im Einzelhandel
Vortrainierte Modelle
Die KI-Modelle in diesem Workflow sind vorab darauf trainiert, Hunderte von Produkten zu erkennen, die am häufigsten durch Diebstahl verloren gehen – darunter Fleisch, Alkohol und Waschmittel – und sie in verschiedenen Größen und Formen zu identifizieren.
Aktives Few-Shot-Learning
Der Workflow beinhaltet eine hochmoderne Variante des „Few-Shot-Learning“, die dafür ausgelegt ist, sich mithilfe der Charakterisierung von Objekten und selbst überwachter Lernalgorithmen kontinuierlich entsprechend nur begrenzt verfügbarer neuer Produktdaten anzupassen. Diese einzigartige Methode des aktiven Lernens identifiziert und erfasst neue Produkte und Verpackungsänderungen, die während des Kassierens gescannt werden, für die zukünftige Erkennung durch Ähnlichkeitssuche.
Flexible Referenzarchitektur
Dieser KI-Workflow wird über Cloud-native Microservices bereitgestellt und ermöglicht es Anwendern, die Entwicklung sofort zu starten, ihre Lösung mühelos anzupassen, Hunderttausende Ladenprodukte für die kameraübergreifende und Barcodescan-unterstützte Erkennung schnell zu indexieren und eine skalierbare Bereitstellung im Produktivbetrieb zu ermöglichen.
Beschleunigen Sie die Entwicklung von KI-Lösungen
KI-Workflows beschleunigen die Erzielung von KI-Ergebnissen. Dieser KI-Workflow bietet Entwicklern eine Referenz, um schnell mit der Umsetzung einer flexiblen und skalierbaren Lösung zur Schadensprävention zu beginnen.
