Sergey Nikolenko, Chief Scientist of Neuromation.io presents the technology of Image Recognition in Retail based on deep learning on synthetic data during the biggest Eastern European ECR2017 Forum to more than 1300 TOP-managers of the retail industry. (on russian)

1. IMAGE RECOGNITION
IN RETAIL
SERGEY NIKOLENKO,
CHIEF SCIENTIST

2. Chris
В ЭТОЙ ПРЕЗЕНТАЦИИ НЕ БУДЕТ
НИ ОДНОЙ МАТЕМАТИЧЕСКОЙ
ФОРМУЛЫ
Наличие товара на
полке
В ЭТОЙ ПРЕЗЕНТАЦИИ
НЕ БУДЕТ НИ ОДНОЙ
МАТЕМАТИЧЕСКОЙ
ФОРМУЛЫ

3. Наличие товара на
полке
Решение бизнес-задач
Наличие товара на
полке
Правильность
Контроль выполнения задания
Оптимизация работы полевого персонала
Достоверность собираемых данных

4. Chris
● Распознавание изображений на полке — первый и ключевой
этап автоматизации в рознице.
● Мы, люди, получаем 85% информации через визуальные
сенсоры.
● Научить компьютерные модели видеть и понимать, что они
видят, — это фундаментальная задача автоматизации.
IMAGE RECOGNITION IN RETAIL BY ECR RESEARCH:
ABOUT 40 BLN IMAGES PER YEAR

5. Chris
Мы даем бизнесу:
1. Экономию затрат
2. Рост продаж
3. Масштабируемость
ВОЗМОЖНОСТЬ ИСПОЛЬЗОВАТЬ РАСПОЗНАВАНИЕ НА УСТРОЙСТВЕ
БЕЗ ДОСТУПА К ИНТЕРНЕТУ

6. Наличие товара на
полке
ВЫЗОВЫ ДЛЯ
IMAGE RECOGNITION
В ПРИМЕНЕНИИ ДЛЯ БИЗНЕСА

7. Chris
● Чтобы автоматически распознавать
товары на полке, нужно создать и
обучить глубокие нейронные сети
● Чтобы обучить модель различать
пакеты сока «Наш сад» и «J7», нужно
показать ей тысячи изображений с
метками «Наш сад» и «J7».
● Центральная проблема многих
приложений нейросетей — откуда
взять размеченные данные?
LABELED DATA REQUIRED

8. ● Активный каталог товаров в розничной
торговле РФ:
● На каждый артикул требуется
● А еще желательно иметь фотографии
товаров на полках в разных сочетаниях...
170 000 SKU
1000 - 5000
фотографий с метками
ГДЕ ВЗЯТЬ РАЗМЕЧЕННЫЕ ДАННЫЕ?

9. Chris
● Где взять 1 млрд размеченных
изображений?
● Сегодня их размечают вручную
десятки тысяч людей.
● За 8 часов человек размечает ~50
фотографий. ~$0.2 за фотографию.
ПАРАДОКС: ЧТОБЫ АВТОМАТИЗИРОВАТЬ РУЧНОЙ
ТРУД, НУЖНО НА ПОРЯДКИ БОЛЬШЕ РУЧНОГО ТРУДА

10. Chris
● Ручная разметка – годы работы, сотни миллионов долларов.
● Более того, краудсорсинговая разметка неточна
(человеческий фактор), много ошибок в данных.
● А ошибочные данные научат модели ошибаться.
1 МЛРД. РАЗМЕЧЕННЫХ ФОТОГРАФИЙ = 120 МЛН. ЧЕЛ-ЧАСОВ

11. Наличие товара на
полке
РЕШЕНИЕ
NEUROMATION

12. ● Мы создаем виртуальную копию полки.
● Порождаем большие наборы размеченных данных автоматически.
● Обучаем глубокие нейронные сети на синтетических данных.
● Достигаем точности распознавания быстрее и дешевле аналогов.

13. Преимущества
синтетических
данных:
● Порождаем данные с разметкой
на 100% без ошибок
● Повышаем скорость
автоматизации на порядки
● В разы дешевле ручного труда по
разметке фотографий

14. Наличие товара на
полке
СИНЕРГИЯ
BIG DATA + IMAGE RECOGNITION
ДЛЯ FMCG РИТЕЙЛ БИЗНЕСА

15. Chris
BIG DATA + IMAGE RECOGNITION
OSA Hybrid Platform Распознавание изображений
Neuromation
Комплексный подход в решении
бизнес-задач и автоматизации

16. Chris
СУММА ТЕХНОЛОГИЙ = РОСТ ПРОДАЖ

17. Chris
В НОВОЙ ЭКОНОМИКЕ ДАННЫЕ –
ЭТО НОВАЯ НЕФТЬ.
ГЛУБОКОЕ ОБУЧЕНИЕ НА
СИНТЕТИЧЕСКИХ ДАННЫХ ПОДОБНО
ПРОИЗВОДСТВУ СИНТЕТИЧЕСКОЙ
НЕФТИ.
В НОВОЙ ЭКОНОМИКЕ
ДАННЫЕ – ЭТО НОВАЯ НЕФТЬ
ГЛУБОКОЕ ОБУЧЕНИЕ НА
СИНТЕТИЧЕСКИХ ДАННЫХ
ПОДОБНО ПРОИЗВОДСТВУ
СИНТЕТИЧЕСКОЙ НЕФТИ

18. СПАСИБО ЗА ВНИМАНИЕ!
neuromation.io