Перейти к содержанию

Точность распознавания

Дашборд «Точность распознавания» — это инфопанель, на которой отображается, с какой точностью были верно распознаны изображения в сцене, сколько было допущено ошибок и какого они типа.

Как выполяется проверка точности

  1. Ежедневно, каждый сотрудник отдела проверки точности Inspector Cloud отбирает случайные визиты за определенную дату.

При необходимости, объем проверки и процедура случайного выбора согласуется с клиентом или выполняется на его стороне.

  1. Сотрудники вручную проверяют сцены и фотографии в визитах.
  2. Если при проверке обнаруживаются ошибки, отмечаются на фотографиях.
  3. После проверки, сотрудники обновляют информацию в дашборде.

Точность распознавания расчитывается по формуле:

В зависимости от требований клиента, мы расчитываем точность по одному из вариантов.

Точность распознавания товаров клиента

  • Ошибки проверяются только на фейсах товаров клиента (или распознанных, как товары клиента) в заданных категориях.
  • В знаменателе формулы стоит суммарное (истинное) количество фейсов товаров клиента в заданных категориях на фото.

Точность распознавания всех товаров

  • Используется реже.
  • Ошибки проверяются на всех фейсах в заданных категориях.
  • В знаменателе формулы стоит общее количество фейсов в заданных категориях.

В обоих случаях, дубликаты аннотаций не проверяются.

Типы ошибок

При проверке точности распознавания определяются ошибки в товарах и в ценниках.

В некоторых ситуациях, товары на полке могут распознаваться некорректно, но это не будет являться ошибкой.

Ошибки распознавания товаров

Ложно-положительное срабатывание

Товар конкурента неверно определился как свой.

Ложно-отрицательное срабатывание

Свой товар неверно определен как товар конкурента или как неизвестный (Unknown).

Ошибка определения размера

Неверно определен размер упаковки своего товара или товара конкурента, который заведен в систему до SKU.

Ошибка детектора

На одном товаре стоит несколько определенных рамок детектора (не unknown). Также это может быть ситуация, когда несколько товаров попало в одну рамку.

Ошибка определения «вкуса»

Неверно определился «вкус» своего товара или товара конкурента. Например, на полке стоит Prill «манго и грейпфрут», а определился, как Prill «малина и красная смородина».

Другая ошибка (Unknown)

Свой товар, которого нет в каталоге IC. Например, новые SKU или новые дизайны уже имеющихся SKU.

Ошибки распознавания ценников

Неверно прочитан нерезкий ценник

Возникает, если ценник нерезкий или смазан, но визуально можно понять, какая указана цена. При этом, сама цена автоматически не определилась либо определилась неверно.

Не прочитана цена

Ценник распознался без цены, либо не распознался совсем.

Неправильно прочитана цена

Цена распозналась, но не та, которая указана на ценнике.

Ошибка определения промо/регулярного ценника

Обычный ценник, который распознался как промо-ценник или наоборот.

Не учитываются при расчете

При проверке сцен встречаются ситуации, которые нельзя отнести к ошибкам. Например:

  • обрезанные товары, которые не входят целиком в фотографию, или товары, которые стоят в глубине полки;

  • товары, на которых не видно лицевой части.

Дашборд

Чтобы просмотреть дашборд, кликните . Выберите «Точность распознавания» и нажмите «Перейти к дашборду».

Вы можете выбрать определенный период для отображения на каждой из вкладок. В итоговых показателях отобразится общее количество проверенных сцен и фейсов, найденных ошибок, а также общий показатель точности распознавания за этот период.

Accuracy

На вкладке «Accuracy» находится общая информация по точности распознавания в процентном соотношении. В первом графике отражается точность по визитам с разбивкой по датам, во втором — типы ошибок, которые найдены во время визитов.

Чтобы отобрать конкретный тип данных, например, тип ошибок за день, нажмите на него в графике.

Details by scene

Проверенные сцены визитов отображаются на вкладке «Details by scene». В таблице можно просмотреть:

  • Visit started — даты визитов, по которым проверялись сцены;
  • Link — ссылки на визиты в разделе «Отчеты». Чтобы просмотреть конкретный визит, кликните ;
  • Face checked — проверено фейсов в визите;
  • Errors found — найдено ошибок в визите.

Чтобы отобразить итоговые показатели по конкретной сцене, нажмите на нее в таблице.

Visits

На вкладке «Visits» отражается точность распознавания в разрезе визитов.

  • Visits checked — проверенные визиты.
  • Visits checked with accuracy >=95% — проверенные визиты, в которых точность распознавания равна или более 95%.
  • Visits accuracy index — отношение визитов с 95% и выше точностью к общему количеству визитов.

Для проверенных визитов есть таблица c параметрами:

  • visit_id — идентификатор визита;
  • visit_link — ссылки на визиты в разделе «Отчеты». Чтобы просмотреть конкретный визит, кликните ;
  • scene_count — количество сцен в визите;
  • visit_started — дата начала визита;
  • accuracy — точность распознавания фото в сцене визита.

Чтобы отобразить показатели по конкретному визиту, нажмите на него в таблице.

Details by SKU

Статистику точности распознавания по товарным единицам можно просмотреть в таблице на вкладке «Details by SKU».

  • Category — категория товара, например «Дезодорант»;
  • Brand — бренд товара в категории;
  • SKU — полное наименование товара и объем из каталога товаров;
  • SKU Link — ссылка на товар в разделе «Товары». Чтобы просмотреть конкретный товар, нажмите ;
  • Face checked — проверенные фейсы по товару;
  • Errors found — ошибки, найденные при распознавании товара;
  • % Accuracy — точность распознавания товара в процентах.

Errors by SKU

Информация о найденных ошибках по SKU находится на вкладке «Errors by SKU».

  • Category — категория товара, например «Дезодорант»;
  • Brand — бренд товара в категории;
  • SKU — полное наименование товара и объем из каталога товаров;
  • SKU Link — ссылка на товар в разделе «Товары». Чтобы просмотреть конкретный товар, нажмите ;
  • Detection, False negative, False positive, Size, Taste, Unkonw и другие — типы ошибок и их количество;
  • Total errors — общее количество ошибок при распознавании товара в визитах.