零售商正面臨前所未有的「損耗」困境，即因盜竊、損壞和錯放造成的商品損失，這對零售業的打擊尤其沉重。根據美國零售聯合會與防損研究委員會合作進行的《2022年零售安全調查》，零售業正努力解決一個價值100億美元的問題，其中約65%的損失是由竊盜造成的。許多零售商報告稱，受食品和其他必需品價格上漲的影響，近期竊盜案件數量增加了一倍以上。
但是，開發人員可以使用 NVIDIA Retail AI Workflows 構建防損應用程序。 這些工作流建立在 NVIDIA Metropolis 微服務之上，這是一種構建 AI 應用程序的低代碼或無代碼方式。 微服務為開發複雜的 AI 工作流提供了構建塊，並允許它們快速擴展到生產就緒的 AI 應用程序。
旨在防止損失的零售 AI 工作流程
NVIDIA 宣布了三個零售 AI 工作流程，以幫助開發人員快速構建和推出旨在防止盜竊的應用程序。 用於防損應用程序的無代碼或低代碼構建塊使用最常被盜產品和軟件的圖像進行預訓練，以插入現有的商店應用程序，用於銷售點機器以及全店範圍內的對象和產品跟踪。
根據防損研究委員會主任 Read Hayes 的說法：
“由於宏觀動態，零售盜竊正在增加，並有可能使整個行業不堪重負。 企業現在面臨這樣一個現實，即對防損解決方案的投資是一項關鍵要求。”
NVIDIA零售AI工作流程可透過NVIDIA AI企業軟體套件取得，其中包括以下內容：
- 零售防損 AI 工作流程： 此工作流程中的 AI 模型經過預訓練，可以識別數百種最常因失竊而丟失的產品，包括肉類、酒精和洗衣粉。 這些模型還經過預訓練，可以識別所提供的不同尺寸和形狀的它們。 零售商和獨立軟件供應商可以使用 NVIDIA Omniverse 生成的合成數據自定義和進一步訓練模型，以包含數十萬種商店產品。 該工作流是 NVIDIA Research 開發的最先進的少樣本學習技術。 結合主動學習，它識別並捕獲客戶和銷售人員在結賬時掃描的新產品，以提高模型準確性。
- 多攝像頭跟踪 AI 工作流程： 此工作流提供多目標、多攝像頭 (MTMC) 功能，使應用程序開發人員能夠更輕鬆地創建系統，在整個商店的多個攝像頭之間跟踪對象。 該工作流跟踪對象並跨攝像機關聯，並為每個對象維護一個唯一的 ID。 通過視覺嵌入或外觀而不是個人生物識別信息來跟踪對象，以維護完整的購物者隱私。
- 零售店分析工作流程： 使用計算機視覺為商店分析提供見解，例如商店客流量趨勢、有購物籃的顧客數量、過道佔用率，以及通過自定義儀表板提供的更多信息。
整合您的模型
據 NVIDIA 稱，開發人員可以通過集成他們的模型輕鬆定制和擴展這些 AI 工作流程。 微服務還可以更輕鬆地將新產品與舊系統（例如銷售點系統）集成。
Radis.ai 的首席技術官 Bobby Chowdary 說：
“基於 Metropolis Microservices 構建的 NVIDIA 新零售 AI 工作流使我們能夠定制我們的產品，快速擴展以更好地滿足我們不斷增長的客戶需求，並繼續推動零售領域的創新。
Infosys 還在開發最先進的防損系統，利用 NVIDIA 的工作流程來幫助他們更快地部署解決方案，並在商店和產品線之間進行擴展。
Amazon