Распознавание продуктов (предварительная версия 4.0)
Внимание
Эта функция теперь устарела. 10 января 2025 г. анализ изображений Azure 4.0, определение пользовательских объектов и API предварительной версии распознавания продуктов будет прекращен. После этой даты вызовы API к этим службам завершаются сбоем.
Чтобы обеспечить плавную работу моделей, перейдите к Пользовательское визуальное распознавание ИИ Azure, которая теперь общедоступна. Пользовательское визуальное распознавание предлагает аналогичные функциональные возможности для этих функций выхода на пенсию.
API распознавания продуктов позволяют анализировать фотографии полков в розничном магазине. Вы можете определить наличие продуктов и получить координаты ограничивающего прямоугольна. Используйте его в сочетании с настройкой модели для обучения модели для идентификации конкретных продуктов. Вы также можете сравнить результаты распознавания продуктов с документом планограммы магазина.
Попробуйте возможности распознавания продуктов быстро и легко в браузере с помощью Vision Studio.
Примечание.
Бренды, отображаемые на изображениях, не связаны с корпорацией Майкрософт и не указывают ни одну форму подтверждения продуктов Майкрософт или Майкрософт владельцами бренда, или одобрение владельцев бренда или их продуктов корпорацией Майкрософт.
Внимание
Вы можете обучить пользовательскую модель для распознавания продуктов с помощью Пользовательское визуальное распознавание службы или API распознавания продуктов 4.0. В следующей таблице сравниваются две службы.
| Области | Продукты на полках — Пользовательское визуальное распознавание | Распознавание продуктов — API анализа изображений и настройка | ||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Функции | Пользовательское понимание продуктов | Стежка изображений и исправление, предварительно обученное понимание продукта, пользовательское понимание продуктов, сопоставление планограммы |
||||||||||||||||||||||||||||
| Базовая модель | CNN | Модель преобразователя Флоренции | ||||||||||||||||||||||||||||
| Добавление меток | Customvision.ai | AML Studio | ||||||||||||||||||||||||||||
| Веб-портал | Customvision.ai | Vision Studio | ||||||||||||||||||||||||||||
| Библиотеки | REST, SDK | REST, пример Python | ||||||||||||||||||||||||||||
| Минимальные необходимые данные для обучения | 15 изображений на категорию | 2–5 изображений на категорию | ||||||||||||||||||||||||||||
| Хранилище данных обучения | Отправлено в службу | Учетная запись хранения BLOB-объектов клиента | ||||||||||||||||||||||||||||
| Размещение моделей | Облако и edge | Только облачное размещение, размещение пограничных контейнеров для получения | ||||||||||||||||||||||||||||
| Качество ИИ |
|
|
||||||||||||||||||||||||||||
| Цены | Цены на Пользовательское визуальное распознавание | Цены на анализ изображений |
Функции распознавания продуктов
Композиция изображения полки
API-интерфейсы стежки и исправления позволяют изменять изображения, чтобы повысить точность результатов распознавания продуктов. Эти API можно использовать для:
- Создайте один образ вместе с несколькими изображениями полки.
- Исправление изображения для удаления искажений перспективы.
Распознавание готовых продуктов (предварительно обученная модель)
API распознавания продуктов позволяет анализировать изображение полки с помощью предварительно обученной модели. Эта операция обнаруживает продукты и пробелы в изображении полки и возвращает ограничивающие координаты каждого продукта и пробела, а также оценку достоверности для каждого из них.
В следующем ответе JSON показано, что возвращает API распознавания продуктов.
{
"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"
}
]
}
]
}
Распознавание продуктов по полке (настраиваемая модель)
API распознавания продуктов также можно использовать с пользовательской обученной моделью для обнаружения конкретных продуктов. Эта операция возвращает координаты ограничивающего прямоугольника каждого продукта и пробела вместе с меткой каждого продукта.
В следующем ответе JSON показано, что API распознавания продуктов возвращается при использовании с пользовательской моделью.
"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"
}
]
}
]
}
Соответствие планограммы полки
API сопоставления планограмм позволяет сравнить результаты API распознавания продуктов с документом планограммы. Эта операция сопоставляет каждый обнаруженный продукт и разрыв с соответствующим положением в документе планограммы.
Он возвращает ответ JSON, который учитывает каждую позицию в документе планограммы, занятую продуктом или разрывом.
{
"matchedResultsPerPosition": [
{
"positionId": "01",
"detectedObject": {
"id": "01",
"boundingBox": {
"x": 12,
"y": 1234,
"w": 123,
"h": 12345
},
"classifications": [
{
"confidence": 0.9,
"label": "Product1"
}
]
}
}
]
}
Ограничения
- Распознавание продуктов доступно только в определенных регионах Azure.
- Размер образов полки может составлять до 20 МБ. Рекомендуемый размер составляет 4 МБ.
- Перед отправкой их для анализа рекомендуется выполнять стежку и исправление на полках.
- Использование пользовательской модели является необязательным в распознавании продуктов, но оно требуется для функции сопоставления планограммы.
Следующие шаги
Начало работы с распознаванием продуктов, пробуя api стежки и исправления. Затем выполните базовый анализ с помощью API распознавания продуктов.