NVIDIA 助零售業解決千億美元商品損失的問題

開發人員可以利用全新 NVIDIA 零售業人工智慧工作流程,快速打造預防損失的應用程式,這些工作流程建立在雲端原生微服務上,其中包括針對數百種容易遭竊的產品預先進行訓練的模型
作者 Azita Martin

全球零售業遭逢價值千億美元的問題。

商品因遭竊、損壞和錯放而造成的「商品損失」,讓零售商的利潤大幅縮水。

根據美國全國零售聯合會 (National Retail Federation) 與零售業防損研究委員會 (Loss Prevention Research Council) 合作進行的 2022 年零售業安全調查,估計商品竊盜造成零售業 65% 的損失。許多零售商通報說由於食品和其他必需品漲價之故,偷竊案件的數量近期增加一倍以上。

NVIDIA (輝達) 為了協助開發人員更容易快速開發及推出用於預防商品竊盜的應用程式,今日宣布推出三款以 Metropolis 微服務為基礎的零售業人工智慧工作流程 (Retail AI Workflows)。開發人員能以無程式碼或低程式碼的結構模塊來開發預防損失的應用程式,NVIDIA 使用最常遭竊的商品圖片和軟體來預先訓練這些工作流程,來搭配店內現有銷售點機器與追蹤全店物件和商品的應用程式。

零售業防損研究委員會主任 Read Hayes 表示:「由於總體經濟動盪不安,零售業的竊盜案件數量不斷增加,有可能使得零售業不堪重負。企業如今面臨到一個事實,即他們須投資於零售業防損解決方案。」

可透過 NVIDIA AI Enterprise 軟體套件取得以下三款 NVIDIA 零售業 AI 工作流程:

  • 零售業防損 AI 工作流程:這個工作流程裡的 AI 模型經過預先訓練,能夠辨識數百種最常因盜竊而造成損失的產品,包括肉類、酒品和洗衣粉,亦能識別它們的不同尺寸容量和形狀。零售商和獨立軟體廠商可以利用 NVIDIA Omniverse 產生出的合成資料來訂製模型,以零售業店內的數十萬種商品進行更深入的訓練。

該工作流程採用 NVIDIA Research 開發出的先進小樣本學習 (few-shot learning) 技術,而這項技術再加上主動學習技術,可以辨識及捕捉顧客和銷售員在結帳時掃描的任何新商品,最終提高模型的準確性。

  • 多攝影機追蹤 AI 工作流程:提供多目標跨多攝影機 (MTMC) 功能,使得應用程式開發人員能夠更容易打造跨全店多部攝影機來追蹤物件的系統。這款工作流程會跨多部攝影機來追蹤物件和店員,並替每個物件保有專屬的 ID。並非使用個人生物識別資訊,而是以視覺嵌入或外觀來追蹤物件,以維護購物者完整的隱私權。
  • 零售商店分析工作流程:利用電腦視覺技術在自訂儀表板上呈現商店分析洞察,例如商店客流量趨勢、使用購物籃的顧客人數、走道佔用率等重要資訊。

這三款工作流程建立在 NVIDIA Metropolis 微服務之上,能以低程式碼或無程式碼的方式來開發 AI 應用程式。這些微服務提供結構模塊,協助開發複雜的 AI 工作流程,亦讓它們能迅速擴展到生產就續的 AI 應用程式。

開發人員可以輕鬆訂製及擴大這些 AI 工作流程,包括與他們自己的模型進行整合。微服務也使得開發人員能夠輕鬆整合新舊系統,例如銷售點系統。

Radius.ai 技術長 Bobby Chowdary 表示:「NVIDIA 推出建立在 Metropolis 微服務上的全新零售業 AI 工作流程,讓我們能夠替客戶量身打造產品,快速擴大規模,更好的滿足客戶層出不窮的需求,並持續推動零售領域進行創新。」

Infosys 執行副總裁暨人工智慧和自動化服務主管 Balakrishna D R 表示:「Infosys 在應用 AI 產品方面,利用 NVIDIA 新推出的工作流程,包括用於辨識零售業 SKU 及微服務架構的預先訓練模型,正開發最先進的零售業防損系統。這將使我們能夠更快部署這些解決方案,迅速擴大用於各個商店和產品線,準確度亦能比過去提高不少。」

NVIDIA 將於 1 月 15 日至 17 日在紐約舉行的美國全國零售聯合會大會上,揭曉更多關於其零售業 AI 工作流程的細節。

歡迎註冊以搶先獲得提供給開發人員的全新 NVIDIA 零售業 AI 工作流程,在 NVIDIA 技術部落格中將提供更多資訊。歡迎與 NVIDIA 一同參加 2023 NRF 大會