．使用 AI / 深度學習防止零售庫存損失

Artificial Intelligence in Retail - Less shrinkage, greater revenue and improved customer experience 零售業的人人工智慧-減少收縮，增加收入並改善客戶體驗

MEGH COMPUTING

零售庫存損失（或「收縮」）是一個嚴重的問題，全世界每年總計約 1000 億美元，幾乎佔銷售額的 1.8％。對於那些運送高美元商品（例如時裝和配飾）的人來說，這一問題更加嚴重。

隨著傳統零售商努力應對持續的市場集中度，網購賣家失去市場佔有率以及其他壓力，有一個好消息：先進的分析技術可以幫助應對萎縮。

在庫存萎縮的四個主要原因中，入店行竊、退貨詐欺、員工失竊和管理失誤中、購物者失竊（或「外部萎縮」）所佔比例最大（2017 年在美國為 36.5％）。這包括越來越多的有組織的零售犯罪（ORC），在這組犯罪中，一些入店行竊者進行了戰略性操作。 2017 年接受調查的美國零售商中有 94.6％的人報告說，去年是 ORC 的受害者。

收縮率似乎也越來越嚴重：每年收縮率超過 2％的零售商數量從 2015 年的 17.1％成長到 2018 年的 20％。

毫不奇怪，零售商正在尋求解決方案。儘管有些人正在考慮各種各樣的可能性，例如臉部辨識、運動跟蹤、閱讀情緒和手勢，以及 AR，但大多數人都希望從低成本，可立即獲得回報的解決方案開始。

幸運的是，有滿足這些標準的有效技術解決方案。例如，可以使用廉價的攝影機和深度學習影像分析，來檢測和防止外部收縮。在自助結帳時，這樣的系統可以通知員工物品是否透過了掃描儀而不被掃描，從而阻止了盜竊，並阻止了以後的嘗試。

Megh Computing 的影像分析解決方案，基於其先進的即時分析平台，可解決整個零售供應鏈中的欺詐預防問題。它使自動安全措施成為可能，以解決自助結帳櫃檯處所有形式的庫存損失。該解決方案可用於支持庫存管理系統，以在進出無人配送中心時準確辨識物品。

Megh 的影像分析（Video Analytics），還可以提供影像監控，以增強實體安全系統，以實現對位置的門禁控制。

Megh Computing 的解決方案，基於可以在本地或數據中心，佈署的異構 CPU + FPGA 平台。它將完整的即時分析管道，映射到FPGA，包括攝取影像串流，將影像串流轉換為，調整大小的圖像幀，以及使用深度學習系統，進行對象檢測和圖像幀分類。 Megh Computing 的解決方案，以低延遲提供了更高的吞吐量，而 TCO 卻降低了 2 倍以上。