Unitail：零售场景中的检测、阅读与匹配

为了在商店中充分利用计算机视觉技术，需要考虑符合零售场景特点的实际需求。为此，我们引入了联合零售数据集（United Retail Datasets，简称 Unitail），这是一个大规模基准数据集，涵盖了产品检测、读取和匹配等基本视觉任务，对算法提出了挑战。Unitail 数据集中标注了 180 万个四边形实例，提供了一个能够更好地对齐产品外观的检测数据集。此外，它还提供了一个画廊式的光学字符识别（OCR）数据集，包含 1454 个产品类别、30,000 个文本区域和 21,000 条转录文本，以实现产品上的稳健读取并促进改进的产品匹配。除了使用各种最先进方法对这些数据集进行基准测试外，我们还定制了一种新的产品检测器，并提供了一种基于 OCR 的简单匹配解决方案，验证了其有效性。