Otomatik ürün tanıma ve katalog oluşturma için gerçek dünya çerçevesi: veri kümesi, model ve analiz

Yoğun Alışveriş İçin Daha Akıllı Mağaza Rafları

Belirli bir mısır gevreği kutusunu arayan ya da self-servis kasayı deneyen herkes bilir ki mağaza rafları kalabalık ve kafa karıştırıcıdır. Bu makale, bilgisayarların gündelik market raflarına bakıp orada ne olduğunu, barkod yerine sıradan fotoğraflar kullanarak otomatik şekilde nasıl tanıyabileceğini inceliyor. Amaç, envanter sayımı, katalog oluşturma ve telefon tabanlı ürün arama gibi işleri daha hızlı, daha ucuz ve daha az el işi gerektirecek şekilde kolaylaştırmak.

Rafların Bilgisayarlar İçin Neden Zor Olduğu

İlk bakışta, bir bilgisayara ürünleri öğretmek basit gelebilir: her öğenin çok sayıda resmini göstermek yeterli. Gerçekte, süpermarket sahneleri karmaşıktır. Ürünler, müşterinin elindeki yakın çekimlerden güvenlik kameralarının uzak görüşlerine kadar birçok boyutta görünür. Ambalajlar birbirine benzeyebilir, küçük ayrıntılarla farklılaşır ve diğer ürünlerin arkasında kısmen gizlenebilir. Aydınlatma değişir, raflar yeniden düzenlenir ve markalar bölgeden bölgeye farklılık gösterir. Mevcut araştırma amaçlı görüntü koleksiyonları genellikle bu zorlukları atlar; az sayıda ürün, kontrollü aydınlatma veya sadece yakın çekimler kullanırlar. Bu da gerçek mağazalarda gerçekten işe yarayan sistemler geliştirmeyi zorlaştırır.

Yeni, Gerçekçi Bir Market Görüntü Koleksiyonu

Bu boşluğu kapatmak için yazarlar Grocer-Help adında yeni bir görüntü koleksiyonu oluşturdu. Koleksiyon, yaklaşık 4.000 ayrı market ürününü 349 marka tabanlı sınıfa ayıran 13.771 fotoğraf içeriyor. Görseller, Hindistan’ın beş farklı eyaletindeki sekiz mağazadan, altı tür mobil kamera ile çekildi. Sahne çeşitliliği, birkaç öğenin yakın çekimlerinden tam reyonların uzun çekimlerine kadar uzanıyor ve parlama, hareket bulanıklığı, karmaşık arka planlar ve etiketlerin kısmi örtülmesi gibi günlük aksilikleri kapsıyor. Her görüntüdeki her ürün dikkatle bir kutu ile işaretlendi; sonuçta 166.000’den fazla açıklamalı öğe ortaya çıktı. Veri kümesi üç ana görüntü türüne ayrıldı: yakın çekim, uzak çekim ve temiz çevrimiçi katalog fotoğrafları; bunlar birlikte araştırmacıların görüş mesafesi ve çekim tarzının tanımayı nasıl etkilediğini incelemesine olanak tanıyor.

Birçok Ölçekte Görebilen Sade Bir Model

Veri kümesinin yanı sıra yazarlar, aynı sahnedeki farklı boyuttaki ürünlerle başa çıkmak için tasarlanmış kompakt bir tespit modeli tanıtıyor. Küçük ve büyük öğeleri ayrı ayrı ele almak yerine model, aynı anda birden çok ölçekte görsel ipuçlarını toplayan özel bir yapı taşı kullanıyor. Ardından bu ipuçlarını, her katmanın farklı detay seviyelerine odaklandığı bir özellik haritaları piramidi halinde üst üste koyuyor. Bu, sistemi uzak raf görünümlerinden benzer ambalajlar arasındaki ince farklara kadar ürünleri izlemekte yardımcı oluyor. Model ayrıca verimli olacak şekilde inşa edilmiş: sınırlı işlem gücüne sahip cihazlarda çalıştırılabilmesi için daha hafif işlemler kullanıyor; bu da onu mağazalarda veya tüketici donanımında kullanım için daha uygun hale getiriyor.

Veri Kümeleri, Mağazalar ve Mesafeler Arasında Test

Araştırmacılar, modellerini çeşitli YOLO ve RetinaNet sürümleri gibi popüler nesne tespit sistemleriyle birkaç mevcut market veri kümesi ve Grocer-Help üzerinde karşılaştırıyor. Yeni veri kümesinde, modelleri birçok rakibe göre daha az parametre kullanırken ürünleri doğru bulma konusunda sağlam bir puan elde ediyor. Özellikle yüksek hassasiyet ve geri çağırma (recall) sergiliyor; bu da hem yanlış alarm vermemede hem de öğeleri kaçırmamada iyi olduğu anlamına geliyor, ancak çok katı örtüşme kurallarıyla değerlendirildiğinde kutuları bazen daha sıkı olmayabiliyor. Ayrıntılı testler gösteriyor ki performans, görüntülerin nasıl yakalandığına bağlı: yakın çekimler en kolay, uzak raf görünümleri daha zor ve eğitimde çevrimiçi katalog fotoğraflarının karıştırılması sonuçları olumsuz etkileyebiliyor çünkü bunlar gerçek mağaza sahnelerinden çok farklı görünüyor. Mağaza bazlı karşılaştırmalar ayrıca düzenli raflar ve kutu tarzı ambalajların algılayıcıyı desteklediğini gösteriyor.

Günlük Perakende İçin Anlamı

Basitçe söylemek gerekirse, bu çalışma barkod taramanın ötesine geçip kamera tabanlı sistemlerin kalabalık mağaza raflarını “görmesini” nasıl mümkün kılacağını gösteriyor. Büyük, gerçekçi bir veri kümesi ve farklı boyut ve görünüşleri ele alan verimli bir model sunarak, çalışma otomatik envanter kontrolleri, raf temelli katalog oluşturma ve daha akıllı mobil alışveriş uygulamaları gibi pratik araçlar için bir temel sağlıyor. Hâlâ zorluklar var—özellikle sıkışık sahnelerde ve eğitimde nadiren görülen ürünlerde—ancak Grocer-Help ve omni-ölçek model, otomatik ürün tanımayı gerçek dünya perakendeciliğine daha da yaklaştırıyor.

Atıf: Sah, M., Mathew, J. & Dayananda, P. A real-world framework for automated product recognition and catalog generation: dataset, model, and analysis. Sci Rep 16, 14834 (2026). https://doi.org/10.1038/s41598-026-42266-9

Anahtar kelimeler: market ürün tanıma, nesne tespiti, görsel algıma perakende, veri kümesi kıyaslaması, envanter otomasyonu