제품 인식(버전 4.0 미리보기)

제품 인식 API를 사용하면 소매점의 선반 사진을 분석할 수 있습니다. 제품의 존재를 검색하고 경계 상자 좌표를 얻을 수 있습니다. 모델 사용자 지정과 함께 사용하여 특정 제품을 식별하도록 모델을 학습합니다. 제품 인식 결과를 매장의 플래노그램 문서와 비교할 수도 있습니다.

비전 스튜디오를 사용하여 브라우저에서 제품 인식 기능을 빠르고 쉽게 사용해 보세요.

Vision Studio 사용해 보기

참고 항목

이미지에 표시된 브랜드는 Microsoft와 제휴하지 않으며 브랜드 소유자가 Microsoft 또는 Microsoft 제품을 보증하거나 Microsoft가 브랜드 소유자 또는 해당 제품을 보증한다는 의미를 나타내지 않습니다.

Important

Custom Vision 서비스 또는 이미지 분석 4.0 제품 인식 API를 사용하여 제품 인식에 대한 사용자 지정 모델을 학습시킬 수 있습니다. 다음 표에서는 두 서비스를 비교합니다.

지역	선반에 있는 제품 – Custom Vision	제품 인식 – 이미지 분석 API/사용자 지정
기능	사용자 지정 제품 이해	이미지 연결 및 수정, 미리 학습된 제품 이해, 사용자 지정 제품 이해, Planogram 일치
기본 모델	CNN	피렌체 변압기 모델
레이블	Customvision.ai	AML Studio
웹 포털	Customvision.ai	Vision Studio
라이브러리	REST, SDK	REST, Python 샘플
필요한 최소 학습 데이터	범주당 이미지 15개	범주당 2-5개 이미지
학습 데이터 스토리지	서비스에 업로드됨	고객의 Blob Storage 계정
모델 호스팅	클라우드 및 에지	클라우드 호스팅 전용, 올 에지 컨테이너 호스팅
AI 품질	context 상위 1개 정확도, 14개 데이터 세트 1발(카탈로그) 29.4 2발 57.1 3발 66.7 5발 80.8 10발 86.4 full 94.9	context 상위 1개 정확도, 14개 데이터 세트 1발(카탈로그) 86.9 2발 88.8 3발 89.8 5발 90.3 10발 91.0 full 95.4
가격 책정	Custom Vision 가격 책정	이미지 분석 가격 책정

제품 인식 기능

선반 이미지 컴퍼지션

붙이기 및 수정 API를 사용하면 이미지를 수정하여 제품 이해 결과의 정확성을 높일 수 있습니다. 이러한 API를 사용하여 다음을 수행할 수 있습니다.

• 선반의 여러 이미지를 붙여 단일 이미지를 만듭니다.
• 이미지를 수정하여 원근 왜곡을 제거합니다.

선반 제품 인식(미리 학습된 모델)

제품 이해 API를 사용하면 기본적으로 사전 학습된 모델을 사용하여 진열대 이미지를 분석할 수 있습니다. 이 작업은 선반 이미지에서 제품과 간격을 검색하고 각 제품의 경계 상자 좌표와 간격을 각각에 대한 신뢰도 점수와 함께 반환합니다.

다음 JSON 응답은 제품 이해 API가 반환하는 내용을 보여줍니다.

{
  "imageMetadata": {
    "width": 2000,
    "height": 1500
  },
  "products": [
    {
      "id": "string",
      "boundingBox": {
        "x": 1234,
        "y": 1234,
        "w": 12,
        "h": 12
      },
      "classifications": [
        {
          "confidence": 0.9,
          "label": "string"
        }
      ]
    }
  ],
  "gaps": [
    {
      "id": "string",
      "boundingBox": {
        "x": 1234,
        "y": 1234,
        "w": 123,
        "h": 123
      },
      "classifications": [
        {
          "confidence": 0.8,
          "label": "string"
        }
      ]
    }
  ]
}

선반 제품 인식(사용자 지정된 모델)

제품 이해 API는 사용자 지정 학습 모델과 함께 사용하여 특정 제품을 검색할 수도 있습니다. 이 작업은 각 제품의 레이블과 함께 각 제품 및 간격의 경계 상자 좌표를 반환합니다.

다음 JSON 응답은 사용자 지정 모델과 함께 사용될 때 제품 이해 API가 반환하는 내용을 보여줍니다.

"detectedProducts": {
  "imageMetadata": {
    "width": 21,
    "height": 25
  },
  "products": [
    {
      "id": "01",
      "boundingBox": {
        "x": 123,
        "y": 234,
        "w": 34,
        "h": 45
      },
      "classifications": [
        {
          "confidence": 0.8,
          "label": "Product1"
        }
      ]
    }
  ],
  "gaps": [
    {
      "id": "02",
      "boundingBox": {
        "x": 12,
        "y": 123,
        "w": 1234,
        "h": 123
      },
      "classifications": [
        {
          "confidence": 0.9,
          "label": "Product1"
        }
      ]
    }
  ]
}

선반 평면도 준수

플라노그램 매칭 API를 사용하면 Product Understanding API의 결과를 플래노그램 문서와 비교할 수 있습니다. 이 작업은 검색된 각 제품과 간격을 플래노그램 문서의 해당 위치와 일치시킵니다.

제품이 차지하든 공백이 차지하든 플래노그램 문서의 각 위치를 설명하는 JSON 응답을 반환합니다.

{
  "matchedResultsPerPosition": [
    {
      "positionId": "01",
      "detectedObject": {
        "id": "01",
        "boundingBox": {
          "x": 12,
          "y": 1234,
          "w": 123,
          "h": 12345
        },
        "classifications": [
          {
            "confidence": 0.9,
            "label": "Product1"
          }
        ]
      }
    }
  ]
}

제한 사항

• 제품 인식은 미국 동부 및 미국 서부 2 Azure 지역에서만 사용할 수 있습니다.
• 선반 이미지의 크기는 최대 20MB입니다. 권장 크기는 4MB입니다.
• 분석을 위해 라이브러리 이미지를 업로드하기 전에 선반 이미지에 대해 붙이기 및 수정을 수행하는 것이 좋습니다.
• 사용자 지정 모델 사용은 제품 인식에서는 선택 사항이지만, 플라노그램 일치 기능에는 필수입니다.

다음 단계

붙이기 및 수정 API를 사용해 제품 인식을 시작해 보세요. 그런 다음 제품 이해 API를 사용하여 기본 분석을 수행합니다.

• 제품 인식을 위한 이미지 준비
• 선반 이미지 분석
• API 참조