Udostępnij za pośrednictwem

Rozpoznawanie produktów półek — model niestandardowy (wersja zapoznawcza)

  • Artykuł

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.

Model niestandardowy można wytrenować w celu rozpoznawania określonych produktów detalicznych do użycia w scenariuszu rozpoznawania produktów. Operacja analizy gotowej do użycia nie rozróżnia produktów, ale możesz utworzyć tę funkcję w aplikacji za pomocą niestandardowego etykietowania i trenowania.

Zdjęcie półki detalicznej z nazwami produktów i lukami wyróżnionymi prostokątami.

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.

Korzystanie z funkcji dostosowywania modelu

Przewodnik z instrukcjami dostosowywania modelu przedstawia sposób trenowania i publikowania niestandardowego modelu analizy obrazów. Możesz postępować zgodnie z tym przewodnikiem, zawierającym kilka specyfikacji, aby utworzyć model rozpoznawania produktów.

Dostosowywanie modelu

Specyfikacje zestawu danych

Zestaw danych szkoleniowych powinien składać się z obrazów półek detalicznych. Podczas pierwszego tworzenia modelu należy ustawić parametr ModelKind na ProductRecognitionModel.

Ponadto zapisz wartość parametru ModelName , aby można było go użyć jako odwołania później.

Etykietowanie niestandardowe

Po przejściu przez przepływ pracy etykietowania utwórz etykiety dla każdego z produktów, które chcesz rozpoznać. Następnie oznacz etykietę pola ograniczenia każdego produktu na każdym obrazie.

Analizowanie półek przy użyciu modelu niestandardowego

Gdy model niestandardowy zostanie wytrenowany i gotowy (wykonano kroki opisane w przewodniku dostosowywania modelu), możesz użyć go za pomocą operacji Analiza półki.

Wywołanie interfejsu API będzie wyglądać następująco:

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. W razie potrzeby wprowadź następujące zmiany w poleceniu:
    1. Zastąp element <subscriptionKey> kluczem zasobu usługi Vision.
    2. Zastąp element <endpoint> punktem końcowym zasobu usługi Vision. Na przykład: https://YourResourceName.cognitiveservices.azure.com.
    3. Zastąp <your_model_name> ciąg nazwą modelu niestandardowego ( wartość ModelName użyta w kroku tworzenia).
    4. Zastąp element <your_run_name> unikatową nazwą przebiegu testu dla kolejki zadań. Jest to asynchroniczna nazwa kolejki zadań interfejsu API, aby móc później pobrać odpowiedź interfejsu API. Na przykład .../runs/test1?api-version...
    5. Zastąp <your_url_string> zawartość adresem URL obiektu blob obrazu
  2. Otwórz okno wiersza polecenia.
  3. Wklej edytowane curl polecenie z edytora tekstów w oknie wiersza polecenia, a następnie uruchom polecenie.

Następne kroki

W tym przewodniku przedstawiono sposób używania niestandardowego modelu rozpoznawania produktów w celu lepszego zaspokojenia potrzeb biznesowych. Następnie skonfiguruj dopasowywanie planogramu, które działa w połączeniu z niestandardowym rozpoznawaniem produktów.

Dopasowywanie planogramu