零售萎缩呈上升趋势， 2021 行业亏损总计 1000 亿美元，并且由于通货膨胀压力而增长。为了帮助软件开发人员加快零售损失预防解决方案的开发， NVIDIA 正在发布一套微服务，作为 NVIDIA Metropolis 的一部分，以及零售 AI 工作流。这些人工智能工作流提供了预训练的人工智能模型，以及快速启动开发所需的应用程序，快速索引数十万商店产品以进行交叉摄像头和条形码扫描识别，并检测票证切换和盗窃。
微服务参考体系结构
构建这些复杂的解决方案需要可扩展的分布式体系结构。利用云原生技术可确保可扩展性、可维护性、可升级性、适应性和部署环境的选择。这些解决方案越来越依赖于需要多模态人工智能能力的多个数据和传感器源。基于微服务的设计提供了支持这些需求的自然契合。
Metropolis 微服务参考架构 设计用于：
- 跨商店的可扩展性，支持混合式预处理或云环境
- 具有监控和自我修复功能的弹性，确保稳定性和高启动时间
- 模块化选择功能模块，为现有解决方案构建新功能
- 可定制性，用于解决商店设计、人工智能模型和 DevOps 和 IT 基础设施的部署约束中的独特客户需求
零售 AI 工作流
下面详细介绍的零售 AI 工作流解决了高度复杂的应用程序开发挑战，提供了作为有效解决方案组成部分所需的初始“构建块”。
零售损失预防 AI 工作流
NVIDIA 研究人员开发了一种最先进的少镜头学习变体，旨在使用对象特征和自我监督学习算法，持续适应有限的新产品数据。这种独特的主动学习方法可以识别和捕获客户和同事在结账时扫描的任何新产品，以便通过相似性搜索进行未来识别。最终，这提高了模型的准确性。
人工智能模型经过预训练，可以识别数百种因缩水而损失的最常见产品，包括肉类、酒类以及保健和美容产品。它还承认这些产品的各种尺寸和形状。
作为开发人员，您可以自定义工作流，添加自己的模型，并轻松扩展到数十万商店产品。
要了解有关零售损失预防人工智能工作流的更多信息，请参阅下面列出的资源。
- 观看 GTC 会话 Vision AI when Data Is Expensive and Constantly Changing 。
- 查看 Metropolis Self-Checkout AI Copilot demo 。
多摄像头跟踪 AI 工作流
对零售空间的感知通常需要将视觉 AI 应用于覆盖多个物理区域的许多摄像头。多摄像头跟踪 AI 工作流提供多目标多摄像头（ MTMC ）功能，允许应用程序开发人员轻松创建从摄像头到摄像头匿名跟踪购物者的解决方案。该工作流使用 NVIDIA DeepStream SDK 、预训练模型和新的最先进的微服务进行重新识别和跟踪。
MTMC 工作流跟踪并关联摄影机中的对象，并维护对象的唯一 ID 。每个对象都是通过视觉嵌入/外观而不是任何个人生物特征信息进行跟踪的，因此隐私得到充分保护。
MTMC 功能有助于增强自助结账的安全性，是完全自主商店的基础。可以训练工作流以检测异常行为。它可以与 Kubernetes 一起部署和扩展，并由 Helm 管理。
要了解有关多摄像头跟踪 AI 工作流的更多信息，请参阅下面列出的资源。
- 观看 GTC 会话 Tracking Objects Across Multiple Cameras Made Easy with Metropolis Microservices 。
- 查看 Metropolis Multi-camera Tracking demo 。
零售店分析 AI 工作流
零售商店分析 AI 工作流使开发人员能够使用自定义仪表板创建端到端零售视觉 AI 应用程序，用于商店分析。
使用分析见解自定义仪表板，例如：
- 全天商店访客数量
- 带篮子和不带篮子购物的顾客比例
- 每个商店过道的访客数
- 存储热图
- 客户旅程可视化
这些属性可以很容易地修改，以包括针对各个商店定制的特定用例的信息。商店可以使用这些信息来优化人员配置，增强商店的商品销售和布局，并改善客户体验，以最大限度地提高销售额。
使用 NVIDIA AI 解决开发挑战
通过 NVIDIA 新的零售 AI 工作流和微服务，可以实现完整的门店解决方案。多个工作流具有共享的基础架构，并解决了关键的开发挑战。它们帮助开发人员更轻松地创建和部署对零售业至关重要的整体解决方案，如防丢失和自主购物，同时确保可扩展性和灵活性。 Sign up for early access to Metropolis microservices 。
NVIDIA 将于 1 月 15 日至 17 日在纽约举行的全国零售联合会会议（ NRF ）上公布有关零售损失预防人工智能工作流的更详细信息。 Join NVIDIA at NRF 2023 。
