案例简介
• ImageDT图匠数据是一家为快消品、零售等行业提供AI商业服务的公司，核心业务包括线下货架陈列数据化解决方案，以及零售地图的大数据赋能。
• 本案例中，ImageDT图匠数据通过NVIDIA GPU实现了每天数百万张超市货架照片上的商品、价格标签、促销物料等进行目标检测以及分类，并实时返回数据结果，显著提升了图片识别速度。
• 本案例主要应用到NVIDIA GPU。
背景
ImageDT图匠数据自2016年成立以来，一直坚持从事图像识别、数据挖掘及网络舆情监测等技术研究，具备行业内领先的图像识别、语义分析和大数据技术，拥有丰富的商业技术咨询服务经验。在数据化、智能化新技术正在不断推动零售的变革的大背景下，ImageDT敏锐察觉到企业对于强商业化落地的AI项目需求强烈，于是深耕用户需求，推出适用于零售及消费品行业的产品与服务。
作为一家专注于零售与消费品行业的AI商业服务公司，ImageDT多年来累计了海量数据库，并独创Retail-Net商品识别网络、商品指纹等强大技术基础，助力企业实现智能化、数据化、精细化的AI管理战略升级。
挑战
在零售快消领域应用AI服务，能够有效地提高品牌商对线下货架商品的信息掌控，具有实时性强，准确率高，数据可视化等优点；大规模的数据分析更是能够分析门店或用户的特点，对品牌商提高销售额度有着显著的帮助。
然而，快消品行业中，商品包装更换频繁，价格、促销信息等样式多样，对AI技术的迭代更新效应速度要求高。而且，零售快消行业数据结构复杂，得到大量数据后，需要对快消品行业中得到的数据进行数据结构化，并且借助深度学习等技术，进行模型训练，以得到高精度的模型，这一过程中数据标注和模型训练都是需要较大的投入。
此外，海量数据分析对机器底层框架及算力要求高。传统量化平台只针对简单计算或者只是单机环境，但人工智能的计算需求几乎是海量的，在用户在某段时间内可能会需要数十台或者几十个 CPU或GPU 做并行计算。但在模型训练和实际部署使用阶段，往往只借助 CPU 的力量是远远不够的，需要通过建立 CPU+GPU 异构计算，汇集数百台服务器的集群，以满足算力需求。同时服务器集群需要能够根据 GPU 使用情况支持自动扩容缩容，达到资源合理分配的目的。
方案
为满足快消零售行业对AI应用的期待，ImageDT采用NVIDIA GPU搭建的多卡服务器集群，用于训练模型和标注数据。在模型训练阶段，借助于GPU多卡服务器集群，训练时间有了质的提升，相比于单机服务器，训练时间缩短了2倍，极大地加快了模型迭代的速度，使得开发者们可以快速地完成模型训练；同时，GPU多卡服务器集群能够满足多种框架、多种类型的模型训练，以满足快消零售行业对于AI技术快速的迭代更新要求。
此外，在实际部署阶段，NVIDIA的多卡服务器集群能够为大量的数据处理提供的高效和稳定的计算资源，满足实际部署阶段的算力需求。ImageDT拥有大量的品牌商客户，大量的零售数据需要通过AI服务进行处理，在部署阶段，大量的图片数据会通过网络服务进入部署的NVIDIA多卡服务器集群，然后利用GPU进行各种KPI的计算，在此过程中，服务集群自动扩容，根据图片量调度和释放计算资源，实现GPU的高效利用。
影响
目前，ImageDT的客户落地数量已进入国内该垂直领域的第一梯队，客户集中于世界级500强企业和国内大企业，且数量正保持高速的增长。其产品服务已经覆盖食品、饮料、洗护、日化、纸品、母婴、药品等多个品类，并将不断扩展。
ImageDT图匠数据创始人郭怡适表示，“近些年，AI的快速发展，为零售业带来了巨大的变化，业内普遍将其视作引领第五次零售业变革的关键。这个关键将有效重构零售行业‘人、货、场’等要素。ImageDT以AI技术赋能零售业的降本提效，通过图像识别技术来洞悉货架真相，完善货架管理与场景塑造，在NVIDIA GPU的支持下，使得我们能够在每天高达百万张图像识别量的压力下，实现完美交付。相信随着AI技术的不断深入，能够在更多方面实现普惠，创造更多商业价值。”