參賽團隊名稱：Wi Smart Retail
近年零售業運用AI與大數據分析朝向新零售經濟邁進，其中影像辨識技術不可或缺，將Camera結合AI辨識技術運用於商品的辨識，取代傳統以人工刷條碼、RFID的方式來進行購物行為。
作品簡述
建立超商/大賣場2000種商品資料集，資料集包含相同大小(容量)而且包裝相似但顏色不同以及不同大小(容量)包裝但外觀圖樣相同的商品。我們從大賣場或超市網站取得商品圖片(每樣商品蒐集一張正面圖片)來建立商品資料集，透過Data augmentation來擴增資料集圖片，應用PaddlePaddle預訓練好的神經網路模型對擴增後的商品資料集圖片進行主體偵測(Mainbody Detection)以及特徵擷取(Feature Extraction)。將預訓練好的神經網路模型透過PaddlePaddle提供的paddle2onnx轉換為ONNX格式檔或是使用OpenVINO的Model Optimizer轉換為IR文件檔，再經由OpenVINO Runtime讀取ONNX格式檔/IR文件檔進行實物商品推論。
提案動機
近年零售業運用AI與大數據分析朝向新零售經濟邁進，其中影像辨識技術不可或缺，將Camera結合AI辨識技術運用於商品的辨識，取代傳統以人工刷條碼、RFID的方式來進行購物行為。
若能將傳統購物車升級成可辨識商品的智能購物車。不僅改善了消費者的購物體驗，也可導入自助結帳以加快結帳速度，節省商家的人力需求。
》痛點問題：
(a)在零售場景中，若顧客購買的商品較多，採用傳統的條碼結算效率較低，顧客購物體驗會較差。
(b)同品牌不同口味的飲料或食品，很可能擁有非常類似的包裝，正確辨識商品有其困難度。
(c)在超商或大賣場中，通常產品更新速度快，每增加新產品時若僅靠單獨一組模型均需重新訓練模型，模型訓練成本及時間成本極大。
成果介紹影片：