智慧零售技术探秘：关键技术与开源资源，助力智能化零售革新

智慧零售是一种基于先进技术的零售业态，通过整合物联网、大数据分析、人工智能等技术，实现零售过程的智能化管理并提升消费者体验。

实现智慧零售的关键技术包括商品的自动识别与分类、商品的自动结算等等。

为了实现商品的自动识别与分类，需要借助先进的图像识别技术。本文将介绍一些开源库和数据集，这些资源有助于研究者和开发者在智慧零售领域进行相关工作。

PaddleClas

PaddleClas 是由百度飞桨开发的一个图像识别和图像分类任务的工具集，可用在工业界和学术界，助力使用者训练出更好的视觉模型和落地应用。

ColugoMum 是基于 PP-ShiTu 开发的智能购物平台，可以准确定位和识别每种商品，返回完整的购物清单以及显示客户应支付的商品实际价格。项目地址在https://github.com/thomas-yanxin/Smart_container。

• 项目链接：https://github.com/PaddlePaddle/PaddleClas

FastReID

FastReID 是由京东 AI 研究院发布的基于 PyTorch 的通用目标重识别（ReID）开源库，可广泛应用于线下零售、智能供应链、智能园区等项目。

• 项目链接：https://github.com/JDAI-CV/fast-reid

• 更多介绍：https://zhuanlan.zhihu.com/p/351587618

数据集

Open Brand

Open Brand 数据集源于各大电商平台，包含了 584920 张图片，1303563 个标注量，包含了行业内大部分商标。

• 论文地址：https://arxiv.org/pdf/2012.07350.pdf

• 下载地址：https://tianchi.aliyun.com/dataset/130462

RP2K

RP2K 数据集收录了超 50 万张零售商品货架图片，商品种类超 2000 种，所有图片均来自真实场景下的人工采集，并针对每种商品，提供了十分详细的注释，包含尺寸/形状/味道等特征。

优势：全球 SKU 种类最多。

• 论文地址：https://arxiv.org/pdf/2006.12634.pdf

• 下载地址：https://wRPCww.pinlandata.com/rp2k_dataset/

AliProduct

AliProduct 数据集收录了近 300 万张图片，涵盖 5 万个 SKU 级商品类别，含有大量的生活用品、食物等。

商品图像的类别和总量均为业界之最。

缺点：该数据集中没有人工标注，数据较脏，数据分布较不均衡，且有很多相似的商品图片。

• 下载地址：https://openi.pcl.ac.cn/ColugoMum/Exprements-public/datasets

RPC

RPC 是一个大规模零售产品结账数据集，收录了 200 个产品类别（17个大类）和 83739 张图像，包括单品图和结算图，并进行了注释。

• 论文地址：https://arxiv.org/pdf/1901.07249.pdf

• 下载地址：https://rpc-dataset.github.io/

• 更多介绍：https://zhuanlan.zhihu.com/p/55627416

• 更多介绍：https://zhuanlan.zhihu.com/p/55987842

Products-10K

Products-10K 是一个完全人工标注的商品图片数据集，其中收录了 10000 种（10 大类）细粒度的 SKU 级商品，这些商品均是经常被中国消费者购买的产品，包括时尚、3C、食品、保健、家居用品等全品类。

• 论文地址：https://arxiv.org/abs/2008.10545

• 下载地址：https://products-10k.github.io/challenge.html#downloads

Locount

Locount 数据集收录了 50394 张图像，包括 140 个类别（9 大类）中超过 190 万个图像实例，并提供了丰富的注释。

• 下载地址：https://isrc.iscas.ac.cn/gitlab/research/locount-dataset

---

趋动云是一款强大的AI训练平台，内置已近 900 条数据集和 AI 模型资源，覆盖多个领域。

用户可以轻松选择适用于其研究的数据集和模型，例如，杂货商品数据集Grocery Store Dataset和自动结算场景下的大型商品数据集RPC等，这些数据集在商品识别、分类等任务中具有广泛的应用价值。

通过趋动云，用户能够一键获取所需的数据集和模型，为研究和实验提供便利，进一步推动人工智能领域的发展。