05 2020

Автоматическое распознавание продукции на фотографии

Вместо фото двери сотрудник отправил фото полки?

Вместо фото полок сотрудник отправил фото пола?

Вместо полки сотрудник сфотографировал экран своего iPad? 

Вы узнаете об этом сразу же!

Подключемый модуль "Классификатор изображений" автоматически распознает класс (тип) фотографии и сверяет с допустимыми классами для данного типа отчетов, а также выдает удобную аналитику для администратора на веб-сайте и для супервайзера в мобильном приложении.

Какие бонусы получают компании при подключении распознавания?

Стандартно распознавание позволяет определять наличие товаров клиента в торговой точке, анализировать долю полки в фейсингах по отношению к конкурентам и контролировать соблюдение стандартов выкладки. Кроме этого, распознавание может помочь вам:

  1. Найти неактивные товары на полках магазинов. Вы сможете проверить, все ли товары на полке выпускаются на данный момент официально, и выявить случаи незаконной торговли товарами. 
  2. Актуализировать текущие матрицы. В отличие от мерчендайзеров, функция распознавания охватывает все товары, в том числе внематричные.
  3. Подсчитать долю полки и представленность. Таким образом распознавание делает прозрачной не только работу мерчендайзеров, но и KAMов.

Как понять, что распознавание работает? 

На данный момент нейросети достаточно развиты, чтобы успешно распознавать и классифицировать объекты на фотографиях. Но бывает так, что товары на полке либо имеют слишком маленький размер, либо освещения недостаточно, либо просто происходит сбой, и нейросеть допускает ошибку. Мы решили эту проблему следующим образом:

  1. Если мерчендайзер во время работы в приложении замечает, что некоторые товары на фото были распознаны некорректно, он может оставить заявку. Наш специалист рассмотрит эту заявку и исправит все ошибки вручную.
  2. У EasyMerch есть своя команда аудиторов, которая постоянно работает над проверкой автоматически распознанных данных и позволяет нам гарантировать клиентам достаточно высокий уровень качества распознавания. 

Правда ли, что новые технологии рано или поздно начинают дешеветь?

Конечно, за последние 5 лет технологии распознавания подешевели в десятки раз, но вместе с тем увеличилось количество игроков и технологии обрели популярность, поэтому можно сказать, что сейчас цены находятся на последнем этапе образования. Немалую долю расходов составляют оплата серверных мощностей (нейронные сети очень ресурсоемкая технология), постоянная доработка системы, корректировка датасета, а также разметка новых товаров и редизайн существующих. По нашему опыту, производители в течение года меняют дизайн до 30% своих товаров.

Почему распознавание подходит не всем компаниям?

Не все товары могут быть эффективно распознаны ввиду своего форм-фактора, например батоны колбасы или тушь для ресниц. Также возникают сложности при распознавании товаров в мягкой упаковке или бутылок абсолютно одинакового дизайна и пропорций, но разного объема. Тут можно руководствоваться простым правилом: если вы сами можете идентифицировать все товары на фотографии, то нейронная сеть тоже сможет.

Немного аналитики

Приведены усредненные показатели сильных компаний, уделяющих внимание контролю качества работы сотрудников.

Количество фото на мерчендайзера в день: 83
Фактическое количество мерчендайзеров в полях в день: 390
Суммарное количество фото в день: 33543
Количество найденных переснятых фотографий: 146
Количество найденных несоответствующих фотографий: 691