Soluciones: Flujos de trabajo de IA
Prevención de pérdidas en ventas minoristas
Crea soluciones escalables para la detección y reconocimiento de productos para evitar las pérdidas en el punto de venta.
El desafío de la prevención de pérdidas
La pérdida de productos en ventas minoristas es un desafío de 100 mil millones de dólares por año, donde más del 65 % de las pérdidas se deben a robos (y esta cifra sigue creciendo). Con el flujo de trabajo de IA para la prevención de pérdidas en ventas minoristas de NVIDIA, puedes crear e implementar rápidamente aplicaciones diseñadas para evitar robos. Aprovechando los microservicios y modelos de NVIDIA Metropolis previamente entrenados en cientos de los productos robados con mayor frecuencia, este flujo de trabajo de IA proporciona un aprendizaje activo y de pocas tomas para escalar rápidamente y reconocer cientos de miles de productos, además de proporcionar alertas inteligentes con información procesable.
Explora el flujo de trabajo de IA para la prevención de pérdidas en ventas minoristas
Desarrollado sobre microservicios nativos en la nube de NVIDIA Metropolis, una forma de crear aplicaciones de IA con poco código o sin código, este flujo de trabajo de referencia para la prevención de pérdidas en ventas minoristas y compras sin problemas ofrece modelos de IA preentrenados junto con las aplicaciones necesarias para iniciar el desarrollo e indexar rápidamente cientos de miles de productos de tienda para la identificación por códigos de barras y cámara cruzada.
El flujo de trabajo contiene:
- Modelos preentrenados para el reconocimiento de productos minoristas.
- Una solución de referencia para implementar en producción, incluida la comparación de escáneres de códigos de barras.
Los modelos de IA en este flujo de trabajo están previamente entrenados para reconocer los cientos de productos que se pierden con mayor frecuencia por robos, como la carne, el alcohol y el detergente para la ropa, y para identificarlos en diferentes tamaños y formas. Con la generación de datos sintéticos de NVIDIA Omniverse™, los minoristas y los proveedores de software independientes pueden personalizar y entrenar aún más los modelos para cubrir cientos de miles de productos de la tienda. El flujo de trabajo se basa en una técnica de aprendizaje vanguardista y de pocas tomas desarrollada por NVIDIA Research que, combinada con el aprendizaje activo, identifica y captura cualquier nuevo producto escaneado por los clientes y los socios de ventas durante el pago para mejorar la precisión del modelo.
Reducir las pérdidas con la prevención de pérdidas basada en IA por visión
Principales beneficios del flujo de trabajo de IA para la prevención de pérdidas en ventas minoristas
Modelos entrenados previamente
Los modelos de IA en este flujo de trabajo están previamente entrenados para reconocer cientos de productos que se pierden con mayor frecuencia por robo, incluidos carne, alcohol y detergente para la ropa, y para identificarlos en diferentes tamaños y formas.
Aprendizaje activo de pocas tomas
El flujo de trabajo presenta una variación vanguardista en el aprendizaje en pocas tomas diseñada para adaptarse continuamente con datos limitados de nuevos productos utilizando caracterización de objetos y algoritmos de aprendizaje autosupervisado. Este método único de aprendizaje activo identifica y captura nuevos productos y cambios de empaquetado escaneados durante el pago para su reconocimiento futuro a través de la búsqueda de similitudes.
Arquitectura de referencia flexible
Entregado a través de microservicios nativos en la nube, este flujo de trabajo de IA permite a los usuarios iniciar el desarrollo, personalizar fácilmente su solución, indexar rápidamente cientos de miles de productos de tienda para la identificación de códigos de barras y de cámaras, y permitir la implementación de producción escalable.
Acelerar el desarrollo de soluciones de IA
Los flujos de trabajo de IA aceleran el camino hacia los resultados de IA. Este flujo de trabajo de IA proporciona una referencia para que los desarrolladores comiencen a crear rápidamente una solución de prevención de pérdidas flexible y escalable.
