# RPC：大規模小売商品レジ清算データセット 論文：[RPC：大規模小売商品レジ清算データセット](https://arxiv.org/abs/1901.07249) 著者：**[魏秀申](http://lamda.nju.edu.cn/weixs)     [崔全](mailto:cui - quan@toki.waseda.jp)    [楊雷](https://github.com/DIYer22)    王鹏     劉淩橋** プロジェクトページ：[RPCデータセットプロジェクトページ](http://rpc - dataset.github.io) 紹介カーネル：[RPCデータセットの紹介](https://www.kaggle.com/diyer22/introduce - rpc - dataset) ## 1. 概要 近年、コンピュータビジョン技術を小売業に統合することに対する関心が高まっています。自動レジ清算（ACO）はこの分野における重要な問題の一つで、購入する商品の画像から自動的に買い物リストを生成することを目的としています。この問題の主な課題は、商品カテゴリの大規模性と細粒度性、および商品の継続的な更新により、現実的なレジ清算シナリオを反映した学習画像を収集することが難しいことに由来します。この問題は実用的および研究的に重要な価値があるにもかかわらず、主に高品質なデータセットが不足しているため、コンピュータビジョンのコミュニティでは十分に研究されていません。この空白を埋めるために、本研究では関連研究を促進するための新しいデータセットを提案します。当社のデータセットは以下の特徴を持っています：（1）商品画像の数量と商品カテゴリの両方において、これまでの中で最大のデータセットです。（2）コントロールされた環境で撮影された単一商品画像と、レジ清算システムで撮影された複数商品画像が含まれています。（3）レジ清算画像に対して異なるレベルのアノテーションを提供します。既存のデータセットと比較すると、当社のデータセットは現実的な設定に近く、様々な研究問題を導き出すことができます。データセットの他に、様々なアプローチでこのデータセットに対する性能をベンチマーク評価します。 ## 2. データセット情報 データセットの詳細は[RPCデータセットプロジェクトページ#データセット](https://rpc - dataset.github.io/#3 - our - rpc - dataset)を参照してください。 2.1 単一商品画像（学習セット）の収集機器  2.2 レジ清算画像（検証/テストセット）の異なる混雑レベル  **注意**：背景として2枚の空の白板画像も[ここ](https://github.com/RPC - Dataset/RPC - Dataset.github.io/tree/master/imgs/backgrounds)で提供しています。 ## 3. データ形式 RPCデータセットは、[COCOデータセット](http://cocodataset.org/#format - data)の物体検出アノテーション形式と同じデータ構造を持っています。 データ形式の詳細は[カーネル：RPCデータセットの紹介](https://www.kaggle.com/diyer22/introduce - rpc - dataset)を参照してください。 ## 4. リーダーボード [**RPCリーダーボード**](https://github.com/RPC - Dataset/RPC - Leaderboard) 学習セットを基にモデルを作成し、検証セットで良好な性能を発揮した場合は、テストセットでモデルを実行することをお勧めします。[`rpctool`](https://github.com/DIYer22/retail_product_checkout_tools)（このプロジェクトページの次のセクション）を使用すると、評価指標の対応する結果を返すことができます。新しいイシューを作成することで、RPCリーダーボードに結果を投稿することができます。あなたの結果はリーダーボードにランク付けされ、他の機械学習者のアプローチと比較されます。あなたの投稿を楽しみにしています。投稿するには[ここ](https://github.com/RPC - Dataset/RPC - Leaderboard/issues)をクリックしてください。 ## 5. RPCツール [`rpctool`](https://github.com/DIYer22/retail_product_checkout_tools)：RPCデータセットに対するあなたの手法を評価するためのPythonパッケージです。いくつかの評価指標を返すことができます。詳細な情報は[`rpctool`](https://github.com/DIYer22/retail_product_checkout_tools)を参照してください。 ## 6. その他 Kaggleからのダウンロードができない場合は、代わりに[百度ドライブ](https://pan.baidu.com/s/1vrrLaSpJe5JxT3zhYfOaog)を使用してデータセットをダウンロードすることができます。