NVIDIA 助力零售业解决价值 1000 亿美元的库存 “损耗” 难题
1 月 12 日，美国零售联合会会议 - 全球零售业面临着一个价值 1000 亿美元的难题 —— 库存 “损耗”，即由于盗窃、损坏和错放而造成的货物损失，会在极大程度上削弱零售商的利润。根据美国零售联合会（National Retail Federation）与零售防损委员会（Loss Prevention Research Council）合作开展的 《2022 年零售业安全调查》，估计 65% 的商品损耗是由于盗窃造成的。多家零售商表示，由于食品和其他必需品价格上涨，近期的盗窃事件增加了一倍以上。
为了让开发者能够更轻松且快速地构建并推出能够防止盗窃现象的应用程序，NVIDIA 于 1 月 12 日宣布推出三个基于其 Metropolis 微服务的零售 AI 工作流。这些工作流可用作防损应用程序的无代码或低代码构建模块。其基于最常被盗产品的图像以及软件进行了预训练，能够接入商店内现有的应用程序，追踪销售点机器以及整个商店内的对象和产品。
零售防损委员会主任 Read Hayes 表示：“当前的宏观动态环境下，零售业的盗窃现象有所增加，而这有可能使零售业不堪重负。对于企业，投资于防损解决方案已成为一项关键要求，也是必须面对的现实。”
通过 NVIDIA AI Enterprise 软件套件提供的 NVIDIA 零售 AI 工作流包括：
零售防损 AI 工作流：该工作流中的 AI 模型经过预训练，可以识别数百种最常因盗窃而丢失的产品，包括肉类、酒类和洗衣粉，并能识别各种包装尺寸和形状。借助 NVIDIA Omniverse 的合成数据生成功能，零售商和独立软件供应商可针对数十万种店内产品，对模型进行定制化和进一步训练。
该工作流基于NVIDIA Research 开发的最先进的少样本学习技术，再结合主动学习，可识别并捕获客户和销售人员在结账时扫描的任何新产品，最终提高模型准确性。
多摄像头追踪 AI 工作流：提供多目标、多摄像头（MTMC）功能，使应用开发者能够更轻松地创建系统，以通过商内的多个摄像头来进行对象追踪。该工作流通过摄像头来追踪对象和店员，每个对象拥有一个唯一 ID。对象的追踪是基于视觉嵌入或外观，而非个人生物识别信息，以全面保障购物者的隐私。
零售商店分析工作流：使用计算机视觉，为商店的分析提供深入洞察，通过自定义仪表板来显示多项信息，例如商店客流量趋势、带购物篮的顾客数量、过道占用率等。
这些工作流基于 NVIDIA Metropolis 微服务而构建。NVIDIA Metropolis 微服务是一种构建 AI 应用程序的低代码或无代码方式，为复杂 AI 工作流的开发提供了构建模块，并使开发出的工作流能够快速扩展到生产就绪型 AI 应用程序中。
开发者可以轻松地对这些 AI 工作流进行定制和扩展，包括集成开发者自己的模型。此微服务还能够更轻松地将新产品与旧系统（例如销售点系统）集成。
Radius.ai 首席技术官 Bobby Chowdary 表示： “基于 Metropolis 微服务构建的全新 NVIDIA 零售 AI 工作流使我们能够对产品进行定制化，实现快速扩展，以更好地满足不断增长的客户需求，并持续推动零售领域的创新。”
Infosys 执行副总裁兼 AI 和自动化业务负责人 Balakrishna D R 表示： “Infosys一直致力于应用 AI 解决方案，目前正在利用NVIDIA新工作流程开发最先进的防损系统， 包含用于零售 SKU 识别的预训练模型和微服务架构。这将助力我们更快速地部署解决方案，并快速扩展以涵盖更多商店和产品线，同时实现超越从前的准确性。”
NVIDIA 将于 1 月 15 日至 17 日在纽约举行的美国零售联合会会议上，公布有关其零售 AI 工作流的更多详情。
页:
[1]