Сергей Нестерук представил крупнейший датасет для умных касс и систем учёта магазинов
Ритейлеры смогут использовать этот датасет для обучения алгоритмов в умных кассах и системах учёта.
PackEat — это самый большой в мире открытый набор данных для систем компьютерного зрения в розничной торговле. Это набор фотографий фруктов и овощей, который ритейлеры могут использовать для обучения алгоритмов в умных кассах и системах учёта. С помощью датасета можно значимо улучшить точность распознавания продуктов в реальных супермаркетах — он учитывает изображения объектов с полиэтиленовыми пакетами, пересечением объектов и «шумным» фоном на прилавках.
Для датасета PackEat команда исследователей собрала изображения 34 видов и 65 сортов фруктов и овощей. Это привычные для покупателей товары с овощных и фруктовых прилавков, снятые с разных точек обзора в реальных магазинах. Всего собрали свыше 100 тыс. снимков более 370 тыс. отдельных объектов в магазинах разных городов. Около 9 тыс. изображений содержат разметку каждого отдельного объекта, для каждого снимка указано количество объектов и общий вес упаковки. Этот набор данных поможет решить ключевые задачи компьютерного зрения в ритейле: различать виды и сорта продуктов, выделять каждый объект отдельно, даже когда они пересекаются или частично закрыты, а также автоматически подсчитывать количество единиц товара.
В розничных сетях сохраняется проблема ручной идентификации видов, сортов и дефектов весового товара, и это приводит к убыткам. По данным исследований, нейросети могут достичь точности в 92%, подтверждая важность автоматизации.
Статью с описанием датасета опубликовали в открытом доступе в журнале Scientific Data. Набор изображений разместили на платформе Zenodo, а код и примеры моделей — на платформе Kaggle. Это позволяет исследователям и разработчикам сразу использовать их в своих проектах и сравнивать получающиеся решения с результатами авторов.
Хотите узнать больше о людях и задачах команды Yandex Cloud? Подписывайтесь на телеграм-канал Inside Yandex Cloud и знакомьтесь с нашей внутренней кухней.
Другие статьи о сотрудниках и командах: