Soluciones: Workflows de IA
Prevención de Pérdidas en el Comercio Minorista
Cree soluciones escalables para la detección y el reconocimiento de productos con el fin de evitar pérdidas en el punto de venta.
El Reto de la Prevención de Pérdidas
La merma de los productos minoristas es un reto de 100.000 millones de dólares al año, con más del 65% de las mermas, y creciendo, debido a los robos. Con el workflow de IA de prevención de pérdidas minoristas de NVIDIA, puedes crear e implementar rápidamente aplicaciones diseñadas para evitar robos. Aprovechando los microservicios y modelos de NVIDIA Metropolis preentrenados en cientos de los bienes robados con más frecuencia, este workflow de IA proporciona un aprendizaje activo y de pocas tomas para escalar rápidamente y reconocer cientos de miles de productos y proporcionar alertas inteligentes con información procesable.
Explore el Workflow de IA de Prevención de Pérdidas en el Comercio Minorista
Basado en los microservicios nativos de NVIDIA Metropolis, una forma de crear aplicaciones de IA con poco o ningún código, este workflow de referencia para la prevención de pérdidas en el comercio minorista y las compras sin fricciones ofrece modelos de IA preentrenados junto con las aplicaciones necesarias para impulsar el desarrollo e indexar rápidamente cientos de miles de productos de la tienda para la identificación mediante cámaras cruzadas y escaneo de códigos de barras.
El workflow contiene:
- Modelos preentrenados para el reconocimiento de productos minoristas.
- Búsqueda de similitud para una recuperación precisa y rápida.
- Aprendizaje de pocos disparos para facilitar la expansión a cientos de miles de productos y sus variantes.
- Una solución de referencia para implementar en producción, incluida la comparación de escáneres de códigos de barras.
- Orientación sobre cómo entrenar y personalizar la solución para un caso de uso específico.
Los modelos de IA de este workflow están preentrenados para reconocer los cientos de productos que se pierden con más frecuencia por robo, como la carne, el alcohol y el detergente para la ropa, e identificarlos en diferentes tamaños y formas. Con la generación de datos sintéticos de NVIDIA Omniverse™, los minoristas y los proveedores de software independientes pueden personalizar y entrenar aún más los modelos para cubrir cientos de miles de productos de la tienda. El workflow se basa en una técnica de aprendizaje de última generación desarrollada por NVIDIA Research que, combinada con el aprendizaje activo, identifica y captura cualquier producto nuevo escaneado por los clientes y los asociados de ventas durante el proceso de pago para, en última instancia, mejorar la precisión del modelo.
Beneficios Clave del Workflow de IA para la Prevención de Pérdidas en el Comercio Minorista
Modelos Previamente Entrenados
Los modelos de IA en este workflow están previamente entrenados para reconocer cientos de productos que se pierden con mayor frecuencia por robo (incluidos carne, alcohol y detergente para ropa) e identificarlos en diferentes tamaños y formas.
Aprendizaje Activo en Pocas Oportunidades
El workflow presenta una variación de última generación de aprendizaje de pocas tomas diseñada para adaptarse continuamente con datos limitados de nuevos productos mediante la caracterización de objetos y algoritmos de aprendizaje autosupervisados. Este método único de aprendizaje activo identifica y captura nuevos productos y cambios en el empaque escaneados durante el pago para su reconocimiento futuro a través de una búsqueda de similitudes.
Arquitectura de Referencia Flexible
Este workflow de IA, que se entrega a través de microservicios nativos de la nube, permite a los usuarios impulsar el desarrollo, personalizar fácilmente su solución, indexar rápidamente cientos de miles de productos de la tienda para identificación entre cámaras y escaneo de códigos de barras, y permitir una implementación de producción escalable.
Acelera el Desarrollo de Soluciones de IA
Los workflows de IA aceleran el camino hacia los resultados de la IA. Este workflow de IA proporciona una referencia para que los desarrolladores comiencen a crear rápidamente una solución de prevención de pérdidas flexible y escalable.