Share via

Распознавание продуктов по полке — пользовательская модель (предварительная версия)

  • Статья

Вы можете обучить пользовательскую модель для распознавания определенных розничных продуктов для использования в сценарии распознавания продуктов. Внестандартная операция анализа не отличается от продуктов, но вы можете создать эту возможность в приложении с помощью пользовательских меток и обучения.

Фотография розничной полки с именами продуктов и пробелами, выделенными прямоугольниками.

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.

Использование функции настройки модели

В руководстве по настройке модели показано, как обучить и опубликовать пользовательскую модель анализа изображений. Вы можете следовать этому руководству с несколькими спецификациями, чтобы сделать модель для распознавания продуктов.

Настройка модели

Спецификации набора данных

Набор данных для обучения должен состоять из изображений розничных полков. При первом создании модели необходимо задать для параметра ModelKind значение ProductRecognitionModel.

Кроме того, сохраните значение параметра ModelName , чтобы использовать его в качестве ссылки позже.

Настраиваемая метка

При прохождении рабочего процесса маркировки создайте метки для каждого из продуктов, которые вы хотите распознать. Затем пометьте ограничивающий прямоугольник каждого продукта на каждом изображении.

Анализ полков с помощью пользовательской модели

Когда пользовательская модель обучена и готова (вы выполнили действия, описанные в руководстве по настройке модели), ее можно использовать с помощью операции "Анализ полки".

Вызов API будет выглядеть следующим образом:

curl.exe -H "Ocp-Apim-Subscription-Key: <subscriptionKey>" -H "Content-Type: application/json" "<endpoint>/computervision/productrecognition/<your_model_name>/runs/<your_run_name>?api-version=2023-04-01-preview" -d "{
    'url':'<your_url_string>'
}"
  1. Внесите следующие изменения в команду, если это необходимо:
    1. Замените ключ ресурса Визуального <subscriptionKey> зрения.
    2. Замените конечную точку ресурса Визуального <endpoint> зрения. Например: https://YourResourceName.cognitiveservices.azure.com.
    3. Замените <your_model_name> именем настраиваемой модели ( значение ModelName , используемое на шаге создания).
    4. Замените уникальное <your_run_name> имя тестового запуска для очереди задач. Это асинхронное имя очереди задач API, чтобы получить ответ API позже. Например: .../runs/test1?api-version...
    5. Замените содержимое <your_url_string> URL-адресом большого двоичного объекта изображения
  2. Откройте окно командной строки.
  3. Вставьте измененную curl команду из текстового редактора в окно командной строки и выполните команду.

Следующие шаги

В этом руководстве вы узнали, как использовать пользовательскую модель распознавания продуктов для улучшения бизнес-потребностей. Затем настройте сопоставление планограммы, которая работает в сочетании с пользовательским распознаванием продуктов.

Сопоставление планограмм