產品辨識 (4.0 版預覽版)
產品辨識 API 可讓您分析零售商店中的貨架相片。 您可以偵測產品是否存在,並取得其周框方塊座標。 將其與模型自訂搭配使用,定型模型以識別您的特定產品。 您也可以比較產品辨識結果與商店的貨架圖文件。
使用 Vision Studio 快速且輕鬆地在瀏覽器中試用產品辨識的功能。
注意
影像中顯示的品牌不會與 Microsoft 建立關聯,也不會指出品牌擁有者簽署 Microsoft 或 Microsoft 產品的任何形式,或由 Microsoft 簽署品牌擁有者或其產品。
重要
您可以使用 自訂視覺 服務或影像分析 4.0 產品辨識 API 來定型產品辨識的自定義模型。 下表比較這兩個服務。
區域 | 貨架上的產品 – 自訂視覺 | 產品辨識 – 影像分析 API/自定義 | ||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
功能 | 自訂產品瞭解 | 影像縫合和整改, 預先定型的產品理解,自定義產品理解, 計劃圖比對 |
||||||||||||||||||||||||||||
基本模型 | CNN | 佛羅倫薩轉換器模型 | ||||||||||||||||||||||||||||
標記 | Customvision.ai | AML Studio | ||||||||||||||||||||||||||||
入口網站 | Customvision.ai | Vision Studio | ||||||||||||||||||||||||||||
程式庫 | REST、SDK | REST、Python 範例 | ||||||||||||||||||||||||||||
所需的最小定型數據 | 每個類別 15 個影像 | 每個類別 2-5 個影像 | ||||||||||||||||||||||||||||
訓練資料儲存體 | 上傳至服務 | 客戶的 Blob 記憶體帳戶 | ||||||||||||||||||||||||||||
模型裝載 | 雲端和邊緣 | 僅限雲端裝載、邊緣容器裝載即將來臨 | ||||||||||||||||||||||||||||
AI 品質 |
|
|
||||||||||||||||||||||||||||
定價 | 自訂視覺定價 | 影像分析定價 |
產品辨識功能
架子影像組合
拼接和修正 API 可讓您修改影像,以改善 Product Understanding 結果的精確度。 您可以使用這些 API 來:
- 將架子的多個影像結合在一起,以建立單一影像。
- 修正影像以移除透視失真。
貨架產品辨識(預先定型模型)
Product Understanding API 可讓您使用現成的預先定型模型來分析架子影像。 此作業會偵測架子影像中的產品和間距,並傳回每個產品和間距的周框方塊座標,以及每個產品的信賴分數。
下列 JSON 回應說明 Product Understanding API 傳回的內容。
{
"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"
}
]
}
]
}
貨架產品辨識(自定義模型)
Product Understanding API 也可以與自訂定型模型搭配使用,以偵測您的特定產品。 此作業會傳回每個產品和間距的周框方塊座標,以及每個產品的標籤。
下列 JSON 回應說明 Product Understanding API 與自訂模型搭配使用時所傳回的內容。
"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"
}
]
}
]
}
貨架計劃投影合規性
Planogram 比對 API 可讓您比較 Product Understanding API 的結果與計畫投影檔。 這項作業會比對每個偵測到的產品和間距與其在計畫圖文件中的對應位置。
它會傳回 JSON 回應,說明計畫圖文件中每個位置,無論是產品或間距。
{
"matchedResultsPerPosition": [
{
"positionId": "01",
"detectedObject": {
"id": "01",
"boundingBox": {
"x": 12,
"y": 1234,
"w": 123,
"h": 12345
},
"classifications": [
{
"confidence": 0.9,
"label": "Product1"
}
]
}
}
]
}
限制
- 產品辨識僅適用於特定 Azure 區域。
- 架子的影像大小上限為 20 MB。 建議的大小為 4 MB。
- 建議您先在架子影像上進行拼接和修正,再上傳影像進行分析。
- 在產品辨識中使用自訂模型是選擇性的,但計畫圖配對 對函式是必要的。
下一步
藉由試用拼接和修正 API 來開始使用產品辨識。 然後使用 Product Understanding API 執行基本分析。
意見反映
https://aka.ms/ContentUserFeedback。
即將推出:我們會在 2024 年淘汰 GitHub 問題,並以全新的意見反應系統取代並作為內容意見反應的渠道。 如需更多資訊,請參閱:提交及檢視以下的意見反映: