业务落地篇：实现货架洞察 Web 应用 扫码试看/订阅 《 TensorFlow 2项目进阶实战》视频课程 • 串联 AI 流程理论：商品检测与商品识别 • 串联 AI 流程实战：商品检测与商品识别 • 展现 AI 效果理论：使用 OpenCV 可视化识别结果 • 展现 AI 效果实战：使用 OpenCV 可视化识别结果 • 搭建 AI SaaS 理论：Web 框架选型 • 搭建 AI

商品识别篇：使用 ResNet 识别你的货架商品 扫码试看/订阅 《 TensorFlow 2项目进阶实战》视频课程 • 基础：图像分类问题定义与说明 • 基础：越来越深的图像分类网络 • 应⽤用：检测SKU抠图与分类标注流程 • 应⽤用：分类训练集与验证集划分 • 应⽤用：使⽤用TensorFlow 2训练ResNet • 应⽤用：使用ResNet识别货架商品 • 扩展：图像分类常用数据集综述 “Hello TensorFlow” Try it！ 应⽤用：使⽤用 TensorFlow 2 训练 ResNet “Hello TensorFlow” Try it！ 应⽤用：使用ResNet识别货架商品 “Hello TensorFlow” Try it！ 扩展：图像分类常用数据集综述 https://github.com/zalandoresearch/fashion-mnist http://yann

商品检测篇：使用 RetinaNet 瞄准你的货架商品 扫码试看/订阅 《 TensorFlow 2项目进阶实战》视频课程 • 基础：目标检测问题定义与说明 • 基础：R-CNN系列二阶段模型综述 • 基础：YOLO系列一阶段模型概述 • 基础：RetinaNet 与 Facol Loss 带来了什么 • 应用：检测数据准备与标注 • 应用：划分检测训练集与测试集 • 应用：生成CSV 应用：生成CSV 格式数据集与标注 • 应用：使用 TensorFlow 2 训练 RetinaNet • 应用：使用 RetinaNet 检测货架商品 • 扩展：目标检测常用数据集综述 • 扩展：目标检测更多应用场景介绍 目录 基础：目标检测问题定义与说明 目标检测问题 目标检测评估：Ground Truth 目标检测评估： Intersection over Union (IoU) TensorFlow” Try it！ 应用：使用 TensorFlow 2 训练 RetinaNet “Hello TensorFlow” Try it！ 应用：使用 RetinaNet 检测货架商品 “Hello TensorFlow” Try it！ 扩展：目标检测常用数据集综述 通用目标检测数据集 • The ImageNet Large Scale Visual Recognition

方案设计篇：如何设计可落地的AI解决方案 扫码试看/订阅 《 TensorFlow 2项目进阶实战》视频课程 • 行业背景：AI新零售是什么? • 用户需求：线下门店业绩如何提升？ • 长期⽬目标：货架数字化与业务智能化 • 短期目标：自动化陈列审核和促销管理 • 方案设计：基于深度学习的检测/分类的AI流水线 • 方案交付：支持在线识别和API调用的 AI SaaS 目录 行业背景：AI新零售是什么 用好你的广告位：线上设计 用好你的广告位：线下陈列 缺货 凌乱 销量下降 用好你的广告位：线下陈列 有气势！ 整齐！ 销量上涨！ 品牌线下PK 如何脱颖而出？ 品牌商线下渠道销售的普遍需求 长期⽬目标：货架数字化与业务智能化 ��������������������������������������������� ���������������������������������������������� 线下销售执行：门店拍照 + 稽核抽查 + 正负反馈 稽核结果： •货架缺货 •新品未上架 •必分销未上架 •陈列审核不通过 客户现状与问题分析 现状缺点： •抽查比例低 •覆盖门店少 •人工费用高 •全局把握难 照片：10万/天 300万/月 抽查：5000张/月 客户需求：全国门店/货架智能看板 • 区域/门店达标率 • 货架可见度 • 货架占有率 • 新品上市/上架率 • 陈列达标率 •

的美发商户（如下图左所示）。商户下面挂着当前门店所提供的团购、会员卡概要信 息，我们选择一家门店进入商户详情页，自上而下滑动，可以看到商户的地址模块、 营业信息模块等基础模块（如下图右所示）。继续往下还能看到商品货架模块、会员卡 模块、发型师信息等等，以上就是信息展示产品的具体形态。 后端 < 993 图 1 产品功能形态 前文我们提到过本地生活服务行业信息类产品功能的核心特点是功能多、差异大、功 能 示模块都有主要的展示内容的差别，比如主要内容分别是门店信息、评价信息、内容 信息、商品信息等内容，其他信息往往附属于主要内容。其次展示样式方面，有的展 示样式差别很明显，比如商品详情页和商品货架模块；有的展示样式差别没那么大， 比如同样是商品货架模块，只是个别字段有差异。隐性的差别主要是内部的实现，因 为这些实现直观上是看不出来的。 图 5 信息类产品功能归类思路 我们主要从展示内容、展示样式及展示逻辑实现等几个方面来对功能进行归类合并： ● 基于样式：功能展示的样式差别往往会决定展示数据的差别，如果展示数据差 别较大，那么接口则不容易做标准化。比如商品详情页和商品货架模块，商品 详情只展示一个商品，同时会展示更多的商品信息。商品货架模块会展示多个 商品，但是每个商品只展示少部分的信息，商品货架模块还会展示筛选项。显 然它们的接口很难统一，因此展示形式是一个重要的归类维度。 ● 基于实现：最后要从实现层面看好不好抽象，另外两个维度的抽象已经为这个