智能零售店已经成为吸引许多科技公司的关注的活跃话题。亚马逊、深兰科技奥兰治和IBM等公司已经开始通过搭建完整的智能零售店或零售柜来提高客户的购物体验。这些公司正在使用较为复杂的集成系统来实现其目标。但是,在考虑具体搭建一个小规模的智能零售店场景或零售柜时,首先需要解决一些关键问题:如何生成和标记属于某个域的所需图像数据集,比如,拟售商品在不同视角下的拍照图像;设计用于所售商品检测识别机器学习轻量化模型,它要同时满足精度、速度和存储容量等多个方面的要求;设计基于客户人脸图像的年龄估计和性别识别的轻量化机器学习模型。本文在较为全面地整理归纳智能零售店和零售柜的基础上,提出了一款智能零售柜总体设计方案,并就其中的三个关键问题,进行较为深入的研究,提出并实现了相应的解决方案。为了生成用于深度学习训练的带标注的图像数据集,本文设计了一条简单高效的人机协同的处理流水线。首先,对于每一类拟出售的商品,通过人工拍照或其它渠道,采集得到包含有该商品的图像,并赋予商品的类标属性,形成初步的图像数据集。随后,从每类商品中随机选择小部分图像,采用预训练的Mask RCNN模型,生成可疑目标的边界外框,经过人工验证,分拣出正确目标,并把硬误检目标和背景目标都归类为背景。据此分拣数据,采用VGG16提取特征,训练出一个目标分类器备用。然后,对于初始图像数据集中的每张图像,再次使用预训练的Mask RCNN提取可疑目标及其边框坐标,采用VGG16提取特征,使用上述中训练过的目标分类器,生成可疑目标的类标。最后,再经过人工审核确认,选出那些边框坐标和类标都正确的目标,组织成标准格式的带标注的图像数据集。该标注流水线可有效降低标注的人工成本和时间成本。使用轻量级深度学习模型对商品图像进行目标检测识别是本文的另一个重点工作。本文在采用基于CNN模型的单阶段目标检测算法处理流程的基础上,引入了一种自定义模块,它有助于减少CNN模型的参数数量,同时保持模型的原始精度。这种方法具有一定的通用性,通过在原始深度学习模型中进行一些小的更改,可以将设计的自定义模块插入到原始模型中。设计自定义模块的主要思想是通过减少模型参数的数量,从而降低保存模型权重的计算成本和存储容量,同时保持原始模型所保持的精度。本文设计的自定义模块在YOLO模型中将参数数量减少了 41.77%。本文设计了一个轻量级模型架构从客户图像中检测出人脸目标并估计出客户的年龄和性别。通过把原来相互独立的年龄估计模块和性别识别模块进行适当的更改,设计出一个能对年龄和性别同时进行估计的轻量级模型,降低了模型的容量和检测时间。年龄和性别的估计结果,将用于实现在未来版本中的产品推荐功能。本文的主要创新点是:(1)一种简单有效的图像数据库构建与边框标注的智能处理流水线及其核心算法;(2)引入自定义模块到目标检测的深度学习模型中,在保持原始模型精度的同时减少模型的参数数量。(3)构造了一个有效的轻量级CNN模型,用于从客户的面部图像中同时估计出客户的年龄和性别。