Freigeben über

Regalprodukterkennung – benutzerdefiniertes Modell (Vorschau)

  • Artikel

Sie können ein benutzerdefiniertes Modell trainieren, um bestimmte Einzelhandelsprodukte für die Verwendung in einem Produkterkennungsszenario zu erkennen. Der sofort einsatzbereite Analysevorgang unterscheidet nicht zwischen Produkten, aber Sie können diese Funktion durch benutzerdefinierte Bezeichnungen und Training in Ihre App integrieren.

Foto eines Verkaufsregals mit Produktnamen und Lücken, die durch Rechtecke hervorgehoben sind.

Hinweis

Die in den Bildern gezeigten Marken sind nicht mit Microsoft verbunden und stellen keine Form der Unterstützung von Microsoft oder Microsoft-Produkten durch die Markeninhaber oder eine Unterstützung der Markeninhaber oder ihrer Produkte durch Microsoft dar.

Verwenden der Modellanpassungsfunktion

In der Anleitung zur Modellanpassung erfahren Sie, wie Sie ein benutzerdefiniertes Bildanalysemodell trainieren und veröffentlichen. Sie können diesem Leitfaden mit einigen Spezifikationen folgen, um ein Modell für die Produkterkennung zu erstellen.

Modellanpassung

Datasetspezifikationen

Ihr Trainingsdataset sollte aus Bildern der Verkaufsregale bestehen. Wenn Sie das Modell zum ersten Mal erstellen, müssen Sie den Parameter ModelKind auf ProductRecognitionModel festlegen.

Speichern Sie außerdem den Wert des Parameters ModelName, damit Sie ihn später als Referenz verwenden können.

Benutzerdefiniertes Bezeichnen

Wenn Sie den Bezeichnungsworkflow durchlaufen, erstellen Sie Bezeichnungen für jedes der Produkte, die Sie erkennen möchten. Bezeichnen Sie dann den Begrenzungsrahmen jedes Produkts in jedem Bild.

Analysieren von Regalen mit einem benutzerdefinierten Modell

Wenn Ihr benutzerdefiniertes Modell trainiert und bereit ist (Sie haben die Schritte im Leitfaden zur Modellanpassung ausgeführt), können Sie es im Vorgang „Regalanalyse“ verwenden.

Der API-Aufruf sieht wie folgt aus:

curl.exe -H "Ocp-Apim-Subscription-Key: <subscriptionKey>" -H "Content-Type: application/json" "<endpoint>/computervision/productrecognition/<your_model_name>/runs/<your_run_name>?api-version=2023-04-01-preview" -d "{
    'url':'<your_url_string>'
}"
  1. Nehmen Sie die folgenden Änderungen im Befehl vor, falls dies erforderlich ist:
    1. Ersetzen Sie den <subscriptionKey> durch Ihren Vision-Ressourcenschlüssel.
    2. Ersetzen Sie den <endpoint> durch Ihren Vision-Ressourcenendpunkt. Beispiel: https://YourResourceName.cognitiveservices.azure.com
    3. Ersetzen Sie <your_model_name> durch den Namen des benutzerdefinierten Modells (den ModelName-Wert, den Sie im Erstellungsschritt verwendet haben).
    4. Ersetzen Sie den <your_run_name> durch Ihren eindeutigen Testlaufnamen für die Aufgabenwarteschlange. Es handelt sich um einen asynchronen API-Aufgabenwarteschlangennamen, mit dem Sie die API-Antwort später abrufen können. Beispiel: .../runs/test1?api-version...
    5. Ersetzen Sie den Inhalt von <your_url_string> durch die Blob-URL des Bilds.
  2. Öffnen Sie ein Eingabeaufforderungsfenster.
  3. Fügen Sie den von Ihnen bearbeiteten curl-Befehl aus dem Text-Editor in das Eingabeaufforderungsfenster ein, und führen Sie den Befehl aus.

Nächste Schritte

In dieser Anleitung haben Sie erfahren, wie Sie ein benutzerdefiniertes Produkterkennungsmodell verwenden, um Ihre Geschäftsanforderungen besser zu erfüllen. Richten Sie als Nächstes den Planogrammabgleich ein, der in Verbindung mit der benutzerdefinierten Produkterkennung funktioniert.

Planogrammabgleich