Rozpoznawanie produktu (wersja zapoznawcza 4.0)
Ważne
Ta funkcja jest teraz przestarzała. 10 stycznia 2025 r. zostanie wycofana usługa Azure AI Image Analysis 4.0 Custom Image Classification, Custom Object Detection i Product Recognition (wersja zapoznawcza). Po tej dacie wywołania interfejsu API do tych usług nie powiedzą się.
Aby zapewnić bezproblemową obsługę modeli, przejdź do usługi Azure AI Custom Vision, która jest teraz ogólnie dostępna. Usługa Custom Vision oferuje podobne funkcje do tych funkcji wycofywania.
Interfejsy API rozpoznawania produktów umożliwiają analizowanie zdjęć półek w sklepie detalicznym. Możesz wykryć obecność produktów i uzyskać współrzędne pola ograniczenia. Użyj go w połączeniu z dostosowywaniem modelu, aby wytrenować model w celu zidentyfikowania określonych produktów. Możesz również porównać wyniki rozpoznawania produktów z dokumentem planogramu sklepu.
Wypróbuj możliwości rozpoznawania produktów szybko i łatwo w przeglądarce przy użyciu programu Vision Studio.
Uwaga
Marki pokazane na obrazach nie są powiązane z firmą Microsoft i nie wskazują żadnej formy poparcia produktów firmy Microsoft lub firmy Microsoft przez właścicieli marki, ani poparcia właścicieli marki lub ich produktów przez firmę Microsoft.
Ważne
Model niestandardowy do rozpoznawania produktów można wytrenować przy użyciu usługi Custom Vision lub interfejsów API rozpoznawania produktów Image Analysis 4.0. W poniższej tabeli porównane są dwie usługi.
| Obszary | Produkty na półkach — Custom Vision | Rozpoznawanie produktów — interfejs API analizy obrazów/dostosowywanie | ||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Funkcje | Niestandardowe informacje o produkcie | Łączenie obrazów i ich recyfikacja, wstępnie wytrenowany opis produktu, niestandardowe informacje o produkcie, dopasowywanie planogramu |
||||||||||||||||||||||||||||
| Model podstawowy | CNN | Model transformatora we Florencji | ||||||||||||||||||||||||||||
| Etykietowanie | Customvision.ai | AML Studio | ||||||||||||||||||||||||||||
| Portal sieci Web | Customvision.ai | Vision Studio | ||||||||||||||||||||||||||||
| Biblioteki | REST, SDK | REST, Przykład języka Python | ||||||||||||||||||||||||||||
| Wymagane minimalne dane treningowe | 15 obrazów na kategorię | 2–5 obrazów na kategorię | ||||||||||||||||||||||||||||
| Przechowywanie danych szkoleniowych | Przekazano do usługi | Konto magazynu obiektów blob klienta | ||||||||||||||||||||||||||||
| Hosting modelu | Chmura i krawędź | Hosting tylko w chmurze, hosting kontenerów brzegowych, które mają być dostępne | ||||||||||||||||||||||||||||
| Jakość sztucznej inteligencji |
|
|
||||||||||||||||||||||||||||
| Cennik | Ceny usługi Custom Vision | Cennik analizy obrazów |
Funkcje rozpoznawania produktów
Kompozycja obrazu półki
Interfejsy API łączenia i recyfikacji umożliwiają modyfikowanie obrazów w celu zwiększenia dokładności wyników rozumienia produktu. Za pomocą tych interfejsów API można wykonywać następujące czynności:
- Połącz wiele obrazów półki, aby utworzyć pojedynczy obraz.
- Korygowanie obrazu w celu usunięcia zniekształceń perspektywy.
Rozpoznawanie produktów półek (wstępnie wytrenowany model)
Interfejs API usługi Product Understanding umożliwia analizowanie gotowego obrazu przy użyciu gotowego modelu wstępnie wytrenowanego. Ta operacja wykrywa produkty i luki na obrazie półki i zwraca współrzędne pola ograniczenia każdego produktu i luki wraz z oceną ufności dla każdego z nich.
Poniższa odpowiedź JSON ilustruje, co zwraca interfejs API usługi Product Understanding.
{
"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"
}
]
}
]
}
Rozpoznawanie produktów półek (dostosowany model)
Interfejs API usługi Product Understanding może być również używany z niestandardowym wytrenowanym modelem do wykrywania określonych produktów. Ta operacja zwraca współrzędne pola ograniczenia każdego produktu i luki wraz z etykietą każdego produktu.
Poniższa odpowiedź JSON ilustruje, co interfejs API usługi Product Understanding zwraca w przypadku użycia z modelem niestandardowym.
"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"
}
]
}
]
}
Zgodność planogramu z półką
Interfejs API dopasowywania planogramu umożliwia porównanie wyników interfejsu API usługi Product Understanding z dokumentem planogramu. Ta operacja pasuje do każdego wykrytego produktu i luki w odpowiednim położeniu w dokumencie planogramu.
Zwraca odpowiedź JSON, która odpowiada za każdą pozycję w dokumencie planogramu, niezależnie od tego, czy jest zajęta przez produkt, czy lukę.
{
"matchedResultsPerPosition": [
{
"positionId": "01",
"detectedObject": {
"id": "01",
"boundingBox": {
"x": 12,
"y": 1234,
"w": 123,
"h": 12345
},
"classifications": [
{
"confidence": 0.9,
"label": "Product1"
}
]
}
}
]
}
Ograniczenia
- Rozpoznawanie produktów jest dostępne tylko w niektórych regionach świadczenia usługi Azure.
- Rozmiar gotowych obrazów może wynosić do 20 MB. Zalecany rozmiar to 4 MB.
- Zalecamy łączenie i recyfikację na obrazach półek przed przekazaniem ich do analizy.
- Użycie modelu niestandardowego jest opcjonalne w funkcji rozpoznawania produktu, ale jest wymagane dla funkcji dopasowywania planogramu.
Następne kroki
Rozpocznij pracę z rozpoznawaniem produktów, wypróbowywanie interfejsów API łączenia i recyfikacji. Następnie wykonaj podstawową analizę za pomocą interfejsu API usługi Product Understanding.