Deep Learning in der POS-Automatisierung: Herausforderungen, Innovationen und Trends

Deep Learning hat die Computer Vision revolutioniert und die Automatisierung in Branchen wie dem Einzelhandel vorangetrieben. Die durch künstliche Intelligenz (KI) unterstützte Objekterkennung verändert die Automatisierung am Point-of-Sale (POS) und verbessert die Geschwindigkeit, Genauigkeit und Effizienz von Transaktionen. Es gibt jedoch noch weitere Herausforderungen, wie z. B. die Barcode-Erkennung unter schwierigen Bedingungen und die Optimierung von KI-Modellen für die Echtzeitleistung.In diesem Buch wird untersucht, wie Deep Learning die POS-Automatisierung verbessert, wobei der Schwerpunkt auf der Barcode-Erkennung und der Identifizierung von Rabattaktionen liegt. Es behandelt die Entwicklung von POS-Systemen, die Rolle der KI im Einzelhandel und fortschrittliche Barcode-Erkennungstechniken, einschließlich Deep-Learning-Modellen und der Erweiterung von synthetischen zu realen Daten. Das Buch befasst sich auch mit der KI-gestützten Rabattverkaufserkennung, dem Systemdesign und experimentellen Ergebnissen.Über die technischen Lösungen hinaus befasst sich das Buch mit den Herausforderungen bei der Implementierung, wie z. B. der Hardware-Integration, dem Ausgleich zwischen Cloud- und Edge-KI-Verarbeitung und der Optimierung von Modellen für den Echtzeiteinsatz. Außerdem werden aufkommende Trends wie selbstüberwachtes Lernen, Domänenanpassung und Anwendungen in der Logistik und in automatischen Lagern behandelt.

Autorentext

Sie promovierte im Bereich Bildverarbeitung am Muroran Institute of Technology, Japan. Nach ihrer Tätigkeit bei Canon Inc. kam sie als Expertin zum Forschungszentrum von Kyocera. Ihre Forschung konzentriert sich auf KI und Computer Vision, einschließlich Objekterkennung und Betrugserkennung. Sie ist aktives Ausschussmitglied und Rednerin auf mehreren internationalen Konferenzen.