Künstliche Intelligenzfür den Einzelhandel

Mithilfe modernster Methoden aus dem Maschinellen Lernen und der Künstlichen Intelligenz bringen wir Transparenz in den Filial- und Handelsbereich. Wir geben Ihren Kameras die Fähigkeit, Kundenzahlen, Diebstahl oder Conversions selbständig zu erkennen, zu messen und dem Personal in Echtzeit, sowie dem Management in Form von Datenanalysen zur Verfügung zu stellen.

Signatrix bringt Künstliche Intelligenz und maschinelles Videoverständnis in Ihre Filiale. Mit Objekterkennung auf menschlichem Niveau können wir Sie bei zahlreichen Aufgaben, die menschliches Bild- und Videoverständnis verlangen, unterstützen und so Ihre Produktivität erhöhen.

Signatrix Entrance

Indem wir alle Einkaufswagen und Einkaufskörbe im Eingangsbereich optisch erkennen und verfolgen, können wir sicherstellen, dass kein Einkaufswagen mit unbezahlter Ware die Filiale unbemerkt durch den Eingangsbereich verlässt.

Sobald unsere Kameras einen solchen Vorfall erkennen, kann zuständiges Personal, wie zum Beispiel ein Ladendetektiv, sofort alarmiert werden.

Signatrix Checkout

Mittels einer Kamera am Kassentisch oder an der Decke wird automatisch überprüft, ob sich beim Bezahlvorgang noch Waren im Einkaufswagen oder Einkaufskorb befinden.

Durch diese automatisierte Überprüfung wird das Kassenpersonal entlastet, um somit effizienter und kundenfreundlicher kassieren zu können. Die Aufmerksamkeit des Personals wird gezielt auf jene Fälle gelenkt, in denen sich tatsächlich noch Waren im Einkaufswagen befinden, sodass eine persönliche Nachkontrolle stattfinden kann.

Signatrix Self-Checkout System

Selbstbedienungskassen ohne Risiko

Im Rahmen des Pro FIT Programms der IBB entwickeln wir mit dem Projekt “Künstliche Intelligenz zur Steigerung der Transparenz und Intelligenz im Einzelhandel” eine innovative Lösung für die Sicherung von Selbstbedienungskassen.

Diese soll das Diebstahlsrisiko dort signifikant reduzieren und ihren bedenkenlosen Einsatz ermöglichen. Dabei soll Ware mit Deep Learning Technologie verfolgt und eingeordnet und das Verhalten der Kunden auf Unregelmäßigkeiten analysiert werden.Dieses Projekt wird kofinanziert durch den Europäischen Fonds für regionale Entwicklung [EFRE].

Videoverständnis auf menschlichem Niveau

Die Sieger der berühmten Challenge ‚ImageNet‘ können dank der Entwicklung von Deep Learning den Inhalt von Bildern inzwischen sogar besser als Menschen identifizieren. Diese Technologien sind die Basis all unserer Produkte.

Maschinen
Menschen

Entwicklung der Fehlidentifikationsraten von Menschen und Maschinen über die Zeit