零售萎縮呈上升趨勢， 2021 行業虧損總計 1000 億美元，并且由于通貨膨脹壓力而增長。為了幫助軟件開發人員加快零售損失預防解決方案的開發， NVIDIA 正在發布一套微服務，作為 NVIDIA Metropolis 的一部分，以及零售 AI 工作流。這些人工智能工作流提供了預訓練的人工智能模型，以及快速啟動開發所需的應用程序，快速索引數十萬商店產品以進行交叉攝像頭和條形碼掃描識別，并檢測票證切換和盜竊。
微服務參考體系結構
構建這些復雜的解決方案需要可擴展的分布式體系結構。利用云原生技術可確保可擴展性、可維護性、可升級性、適應性和部署環境的選擇。這些解決方案越來越依賴于需要多模態人工智能能力的多個數據和傳感器源。基于微服務的設計提供了支持這些需求的自然契合。
Metropolis 微服務參考架構?設計用于：
- 跨商店的可擴展性，支持混合式預處理或云環境
- 具有監控和自我修復功能的彈性，確保穩定性和高啟動時間
- 模塊化選擇功能模塊，為現有解決方案構建新功能
- 可定制性，用于解決商店設計、人工智能模型和 DevOps 和 IT 基礎設施的部署約束中的獨特客戶需求
零售 AI 工作流
下面詳細介紹的零售 AI 工作流解決了高度復雜的應用程序開發挑戰，提供了作為有效解決方案組成部分所需的初始“構建塊”。
零售損失預防 AI 工作流
NVIDIA 研究人員開發了一種最先進的少鏡頭學習變體，旨在使用對象特征和自我監督學習算法，持續適應有限的新產品數據。這種獨特的主動學習方法可以識別和捕獲客戶和同事在結賬時掃描的任何新產品，以便通過相似性搜索進行未來識別。最終，這提高了模型的準確性。
人工智能模型經過預訓練，可以識別數百種因縮水而損失的最常見產品，包括肉類、酒類以及保健和美容產品。它還承認這些產品的各種尺寸和形狀。
作為開發人員，您可以自定義工作流，添加自己的模型，并輕松擴展到數十萬商店產品。
要了解有關零售損失預防人工智能工作流的更多信息，請參閱下面列出的資源。
- 觀看 GTC 會話 Vision AI when Data Is Expensive and Constantly Changing 。
- 查看 Metropolis Self-Checkout AI Copilot demo 。
多攝像頭跟蹤 AI 工作流
對零售空間的感知通常需要將視覺 AI 應用于覆蓋多個物理區域的許多攝像頭。多攝像頭跟蹤 AI 工作流提供多目標多攝像頭（ MTMC ）功能，允許應用程序開發人員輕松創建從攝像頭到攝像頭匿名跟蹤購物者的解決方案。該工作流使用 NVIDIA DeepStream SDK 、預訓練模型和新的最先進的微服務進行重新識別和跟蹤。
MTMC 工作流跟蹤并關聯攝影機中的對象，并維護對象的唯一 ID 。每個對象都是通過視覺嵌入/外觀而不是任何個人生物特征信息進行跟蹤的，因此隱私得到充分保護。
MTMC 功能有助于增強自助結賬的安全性，是完全自主商店的基礎。可以訓練工作流以檢測異常行為。它可以與 Kubernetes 一起部署和擴展，并由 Helm 管理。
要了解有關多攝像頭跟蹤 AI 工作流的更多信息，請參閱下面列出的資源。
- 觀看 GTC 會話 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 工作流使開發人員能夠使用自定義儀表板創建端到端零售視覺 AI 應用程序，用于商店分析。
使用分析見解自定義儀表板，例如：
- 全天商店訪客數量
- 帶籃子和不帶籃子購物的顧客比例
- 每個商店過道的訪客數
- 存儲熱圖
- 客戶旅程可視化
這些屬性可以很容易地修改，以包括針對各個商店定制的特定用例的信息。商店可以使用這些信息來優化人員配置，增強商店的商品銷售和布局，并改善客戶體驗，以最大限度地提高銷售額。
使用 NVIDIA AI 解決開發挑戰
通過 NVIDIA 新的零售 AI 工作流和微服務，可以實現完整的門店解決方案。多個工作流具有共享的基礎架構，并解決了關鍵的開發挑戰。它們幫助開發人員更輕松地創建和部署對零售業至關重要的整體解決方案，如防丟失和自主購物，同時確保可擴展性和靈活性。 Sign up for early access to Metropolis microservices 。
NVIDIA 將于 1 月 15 日至 17 日在紐約舉行的全國零售聯合會會議（ NRF ）上公布有關零售損失預防人工智能工作流的更詳細信息。 Join NVIDIA at NRF 2023 。
?
