物件辨識

統一超X-Store 7號店出爐，這次是100%無人店，利用天花板鏡頭以及貨架鏡頭、紅外線光柵、重量感測器來追蹤消費者店內購物行為，以達成拿了就走購物模式。本次發表，統一超不只強調科技創新，更強調節約成本及可複製性，透露出未來規模化無人商店模式的意圖。

中華電信揭露物件偵測模型輕量化3大作法，首先模型骨幹直接採用新結構（如EfficientNet-Lite），模型頸部和頭部則以近似運算來減少參數量，比如用差值讓長寬一致、用一層卷積讓Channel數一致，並用深度可分離卷積來重組頭部，同時輕量化損失函數，來避免沒辦法收斂的結果。

用一般外觀辨識模型，來分辨監視畫面中可攜式物件的種類，因為物件體積小、解析度相對較低、又可能被遮蔽，目前仍為一大挑戰。不過，NEC研究出一種基於人體部位與攜帶物件的相對位置，來辨識物體種類的方法，準確率比用Faster R-CNN所訓練的模型平均高6%。

臉書AI研究院23日開源釋出由Python撰寫而成，並深度學習框架Caffe2 建立的物件辨識框架Detectron，其中包含多個重要且熱門的物件辨識演算法，Detectron能夠根據電腦視覺的任務，自動產生適合的模型