Schadensprävention im Einzelhandel

Der Warenschwund im Einzelhandel ist Jahr für Jahr ein 100-Milliarden-Dollar-Problem, wobei über 65 % des Warenschwunds – mit steigender Tendenz – auf Diebstahl zurückzuführen sind. Mit dem KI-Workflow zur Schadensprävention im Einzelhandel von NVIDIA können Sie schnell Anwendungen zur Verhinderung von Diebstählen entwickeln und bereitstellen. Dieser KI-Workflow nutzt die NVIDIA Metropolis-Mikroservices und Modelle, die mit Hunderten der am häufigsten gestohlenen Waren trainiert wurden, und bietet aktives Few-Shot-Learning, um eine schnelle Skalierung auf die Erkennung von Hunderttausenden Produkten zu ermöglichen und intelligente Warnmeldungen mit umsetzbaren Informationen zu liefern.

Dieser Referenz-Workflow für Schadensprävention im Einzelhandel und reibungsloses Einkaufen basiert auf Cloud-nativen NVIDIA Metropolis-Microservices – einer Methode zur Entwicklung von KI-Anwendungen mit wenig oder gar keinem Programmcode – und liefert vortrainierte KI-Modelle zusammen mit den Anwendungen, die für den Einstieg in die Entwicklung von kameraübergreifender und Barcodescan-gestützter Identifizierung und das schnelle Indexieren von Hunderttausenden Ladenprodukten erforderlich sind.

Die KI-Modelle in diesem Workflow sind vorab darauf trainiert, die Hunderte von Produkten zu erkennen, die am häufigsten durch Diebstahl verloren gehen, darunter Fleisch, Alkohol und Waschmittel, und sie in verschiedenen Größen und Formen zu identifizieren. Mit der Generierung synthetischer Daten aus NVIDIA Omniverse™ können Einzelhändler und unabhängige Softwareanbieter die Modelle anpassen und weiter trainieren, um Hunderttausende von Ladenprodukten abzudecken. Der Workflow basiert auf einer hochmodernen, von NVIDIA Research entwickelten „few-shot“-Lerntechnik, die in Kombination mit aktivem Lernen neue Produkte identifiziert und erfasst, die von Kunden und Verkäufern während des Kassierens gescannt werden, um die Modellgenauigkeit zu verbessern.

KI-Workflows beschleunigen die Erzielung von KI-Ergebnissen. Dieser KI-Workflow bietet Entwicklern eine Referenz, um schnell mit der Umsetzung einer flexiblen und skalierbaren Lösung zur Schadensprävention zu beginnen.