货架商品巡检对于线下商超具有重要的作用，它能够帮助经营者了解货架上的商品类别、可视排面占比、缺货率等关键指标。长期以来，货架巡检都是由人工来完成，效率低下，成本高昂，并且容易出错。而基于计算机视觉的货架巡检可以准确并快速的采集到货架上的商品信息，让管理者实时把控终端销量、库存、铺货等情况。

对货架上的商品进行信息统计，需要对商品进行识别。从技术的角度来看，货架商品识别分为两部分：目标检测和商品识别。

目标检测是希望找出图像中所有感兴趣的目标，用bounding box把目标框出。目标检测技术主要分为Two-Stage算法和One-Stage算法，Two-Stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等，One-Stage算法包括YOLO、SSD、CornerNet和CenterNet，通过实验对比发现Two-Stage算法准确率高但速度慢，One-Stage算法速度快但准确率低。如何同时保证准确率和速度一直是众多目标检测从业者面临的挑战之一。

商品识别是根据检测目标识别出各自的商品种类，由于同一类商品在视觉上有很大的相似、拍摄角度导致商品信息不全等原因，加大了商品区分的哪度。那么，如何有哪些方法来解决这些难点呢？

为此，我们邀请到品览数据技术合伙人魏勋进行直播讲解，主题为《图像识别与目标检测在货架快消商品智能巡检中的应用》。品览是一家专注于通用物品识别的公司，有商品识别、零部件识别、目标检测等多项技术，2019年品览获得微软“金牌合作伙伴”认证。

魏勋老师将从图像识别与目标检测的发展历史出发、讲解实现准确商品检测与识别的方法及在货架巡检的应用。