……接上文 （点击此处开始阅读）
懂零售
一套设计方案中，算法、硬件、 场景互相适配，构成一个完整的三角形。方案设计得是否符合“商业的逻辑”，很大程度上取决于对零售的理解程度。
零售是创新工场AI工程院今年的主打行业，联合创始人王晶表示，人工智能团队当中要有行业专家，每次见客户最长的时间花在了解对方的实际业务上。
刘凯告诉网，不同类型的零售商间差异会比较大，但即便同一类型的零售商客户，在管理上的需求也存在很大差异。
“做家居的客户会希望我们能按家庭的维度去识别客户，而卖日用品的客户可能更急迫于知道有哪些人是回头客。在同类的零售商中，根据客户自身管理目标的不同，共性的需求也会在指标要求上有差异，如对准确率、召回率的要求有所不同，差异化的个性化需求，未必在整个行业间通用。”刘凯说。
王晶认为，方案的优劣不仅取决于算法，很多时候是工程上的问题。“比如，要从用户的整个流程体验的角度考虑，怎样有一个很好的结账流程，让用户感觉更顺畅，反之不管技术多炫酷，如果用户不舒服，商家都不会买单的。”
深兰在克制技术的无限延展。“柜子可以只装四个摄像头或者六个摄像头，摄像头多了，GPU算力需求比较大，成本高。基本上你故意要偷也能偷走，但是问题是大多数人正常购买，而且如果货少了，我们调取视频也会发现，还和其他公司共享信用，偷窃查出来后就上黑名单了。”陈海波介绍。
即便Amazon Go也有针对零售场景而变通的一面。其货架使用的重力感应器其实存有隐患，理论上，小偷可以快速把商品替换成其他东西（比如一袋沙子）而不被发现，不过考虑到这是多人同在的场景，类似的偷盗实施起来比较困难也就忽略了。
林捷总结出来一套经验：不要让技术花时间在运营能够解决的问题上。
“几十个人挤在柜台前结账，这样的场景就不要让视觉科学家去研究了，机器分不清楚谁买了什么，就让顾客排队好了。”
这些取舍建立在零售业的理解上，技术大咖补课不足就容易掉坑。
“有的（方案）为了做到更好的商品识别效果，会加高货架的层高，降低层数，一般货架有5到6层，变成了4层。”林捷强调，这是损伤便利店平效的本末倒置,“如果了解零售，绝对不会在技术设计上牺牲平效的。”
商品识别方兴未艾
要实现对人货关系互动的记录以及无人结算，绕不开谈商品识别。这也是视觉科学家在争夺的新高地，“前几年我们刷榜刷的都是人脸，刷烂了，现在物体是最难的。”一位业内人士透露。
去年，旷视参加了COCO竞赛的物体检测、人体关键点和物体分割三个单项比赛，获得两个第一和一个第二。码隆科技取得了WebVision竞赛的第一名。
相比人脸识别，商品识别还徘徊在起跑线上。传统商超、便利店和品牌店升级改造，都一般采用条形码、RFID这些“老古董”技术，即便缤果盒子这样的创新项目也启用了RFID。
“因为RFID是一个比较偏成熟的方案，最早选择它在创业上是make sense（说得通）的。图像识别技术可能更领先、挑战更大。”华映资本投资总监姜志峰说。
总得来说，人脸相对标准化，可以把人种作为单独训练模型，而零售涉及的商品SKU多而杂，每个类别单独训练难度大，不可控性更高。机器识别每张照片的基本逻辑是：每张照片有向量，即多组数字，某几个组合起来代表袖长、颜色、款式等特征，机器根据数字判断自己“看见”的是啥。但是，如衣服这种柔性物体易变形，不同穿法或者扭曲、折叠在图片中像素排列不同，让计算机明白它们是同一件的不同形态很难。
此外，现在人脸识别已经可以把算法做到手机里，比如刷脸解锁，而物体识别暂时还要基于GPU或者X86这种高性能的硬件架构，成本较高。
“WebVision竞赛上李飞飞给我们颁的奖。”码隆联合创始人黄鼎隆强调。
和旷视不一样，物体识别是码隆们安身立命的根本。此外，国内市场上头部玩家还有衣+、Visenze。
与人脸识别早早收割了安防的麦田不同，商品识别长时间以来被认为应用场景不明确，空有技术难变现，玩家们在漫长的商业化探索中走出了不同的万里长征。
三家业务都在电商上下了大力气。码隆和衣+最初做的都是以以图搜图为核心的to C产品，类似淘宝“拍立搜”，后来转向2B服务，一个建立了ProductAI平台，将识别能力开放给电商平台、品牌、图库等商家；另一个则锁定了媒体和大屏等，比如，在优酷视频上即看即买，跳转进入淘宝购物，即通过衣+的技术实现。
“线上的调用量在缓慢增长。”黄鼎隆说，从码隆的经验拉里看，线上市场有需求，但不会迅速爆发。为更快打开市场，码隆还把精力投向商家后端，比如，利用图像识别技术实现一键生成产品详情页功能。
黄鼎隆认为，经过几年的数据积累和算法迭代，加之新零售风潮愈来愈热闹，商品识别应用于线下的机会到了。
“这个事情能不能成立取决于是否useable（可用的）和useful（有用的），一方面，在技术上要达到基本可用的状态，这是很重要的前提条件，别人试了不work就不行；另一方面，也得有用，17年随着零售领域的（兴起），大家开始觉得有用。“黄鼎隆说。
Yi+也在向线下零售进发，无人店和快消品品牌是其目前主要客户群体。“我们的数据积累，和客户建立起的反馈机制，都是难以短时间跨越壁垒。”Yi+产品负责人说。
不过，Visenze的兴趣还不大，它总部在新加坡，主要为海外客户提供以图搜图技术，例如乐天、H&M等。
CTO李广达认为，计算机视觉技术还没有达到大范围应用于实体零售的程度。“计算机视觉有mission critical（关键任务）和非mission critical两种场景，区别在于效果的可信度。摄像头解决方案可以一定程度上提升效率，但是有些场景还不能完全信任。”
他认为，电商环境的以图搜图是典型的非mission critical场景。尽管当涉及到一些细节属性，比如颜色、领子类型、袖子长短等等，准确度会打折扣，但这可以慢慢打磨。
大而无当还是前途无量？
商品识别是不是真的“useful”，即能否商业化、是否值得研究尚存争议。
图普科技和商汤暂时都还未涉及。“厂商对这方面热情还比较高，但可能需求不够聚焦，如何深度结合实际业务还需要探讨。”刘凯说。
（使用RFID的CITYBOX）
“商品的识别有一些创业公司在做，术业有专攻，市场这么大，我们做好自己的事情就好了。我个人判断它（机器视觉识别商品）的价值意义没那么大。”尚海龙介绍称，苏宁Biu店卖球鞋、运动衣，感应电子标签（RFID）即可结账。
RFID在服装行业尤其受到欢迎。“视觉技术可能在某些产品上取代RFID，服装可能比较难。“马克华菲CIO兼任电商总经理左敬东说。
马克华菲有100多家智慧门店，商品配置RFID标签，通过物联网识别器，消费者试穿衣服时站到智能试衣镜前，大屏可自动识别商品ID，向消费者展示模特试穿效果、产品介绍、评价、相关搭配等内容。
除了前端展示，RFID在后端零售库存管理上优势明显。“正常门店进行库存盘点，3000件衣服，2个人，原来需要半天到1天时间。利用RFID芯片，用扫描枪片式感应进行群读扫描，1个人，仅需15分钟就能完成全部盘点。”茵曼母公司汇美CMO肖海坤表示。
不过，RFID也有未解决的难题：每件商品都要加贴至少三四毛钱的标签，人工和材料成本高，且遇金属和液体等不识别或效果差。
除了机器视觉和RFID，市面上的还有消费者自己拿商品扫码结账、重力感应等方案。
（分别为物美超市的自助收银台）
“扫码对商户来说成本低且简单，但建立在信用基础上，盗损大，且顾客自己动手影响用户体验。重力感应是老技术在零售领域的新应用，无法判断具体哪件商品，知道哪个货架被动过。”
陈海波本人是机器视觉忠实拥护者，“未来商店一定是没有营业员，商品、编码、条形码不存在，商品一定要能够被远距离非接触识别。”
不单单是未来，也有人已然找到了细分场景的即时需求。
王晶认为不能用RFID的场景也是机器视觉的机会，比如蛋糕店，“蛋糕都是用盘盛的，怎么贴标签？”还有超市的自助称重机也可以改用视觉识别，因为“在显示屏的一页页商品中区分查找蛇果和富士苹果的体验很差”。
国外还有专门从事快消品货架识别的Trax，在全球50个国家有175个客户，不乏可口可乐、百威、雀巢、汉高、百事这样的大品牌，每月处理2.5亿的SKU产品。
刚刚就任中国区负责人的王茜介绍，Trax已形成“交钥匙”式解决方案：两米多的货架只需一个成本“几美金”的摄像头，品牌商使用手机拍照即可。
最基本的，品牌商销售代表把货架照片上传至云端解析，监督门店；零售商安装固定摄像头，实时监测动态变化；也可以在冰箱上装上小小的摄像头，每开关一次拍摄一张照片，记录销售情况。Trax声称，服务的快消品公司断货率下降10%到15%，整体销售业绩提升3%到5%。
Trax核心市场在美国，今年1月正式进入中国，目标三年内中国市场年收入达到1亿美元。
用视觉技术识别货架商品在国内少见，土生土长的Yi+也打算深耕。“国内的快消公司相对传统，我们的本土优势比较明显，而且以服饰和商品识别起步，在零售方面也有优势。”销售负责人称。
他表示，货架识别在国内处于空白状态，快消品公司也有迫切需求。“它们一般需要向超市或者门店交纳进场费，获取货架数据非常关键，很关心自己的货摆得好不好，销售量好不好，每天有什么变化，之前都没办法及时统计。”
当然，蛋糕店和超市愿不愿意买创新工场的视觉方案，Trax能不能赚到1亿美元，Yi+能不能成功挖掘到本土客户，这些都将被2018年所检验。
“我们希望通过AI降本增效，如果两点都能做到的话，我们就会把它商业化落地，如果最后得出的结论是用视觉无法真的做到的话，可能就不会做类似的产品。顶多做点展示，表明我们有这个能力而已。”正在关注商品识别的计算机视觉产品经理说。
