常规提示

如您在使用 Vision API Product Search 时遇到问题,可查阅本页面介绍的实用的问题排查步骤。

搜索结果

返回结果数的上限是多少?

由于实现细节的原因,返回结果数的上限因查询而异。保证的返回结果数上限为 500。如果请求的结果数超过此上限,则系统可能无法实现请求的数量。

我是否可以为结果设置得分阈值?

搜索结果得分不会校准。这意味着特定查询的结果得分具有可比性(这是对结果进行排序的方式)。但是,查询 A 和查询 B 的结果得分不一定具有可比较性。这意味着没有固定的阈值适用于具体用例。

您可以根据自己的实验设置一个阈值。如果您要设置阈值,则应根据每个商品标签设置此阈值。这意味着,您应独立于“包”等商品根据各个标签单独为“鞋靴”设置结果得分阈值。

能否知道为什么某个特定结果比另一个结果排名更高?

目前,Vision API Product Search 不支持任何可以解释为何返回特定结果的功能。

使用 productGroupedResults 与使用 Vision API 的对象定位器功能之间有什么区别?

productGroupedResults 响应会返回检测到的商品列表、其预测标签和得分、边界框以及对应于每个商品的产品搜索结果列表(已排序)。该响应等效于以下操作:首先将查询图片发送到 Vision API 的对象定位器功能,然后将图片与各个商品边界框(筛选到相关标签)发送到 Vision API Product Search。

使用 productGroupedResults 有一个好处:由于它只会进行单个 API 调用,因此它速度更快且更直接。但是,如果需要在对象检测和搜索查询之间实现某个自定义应用逻辑,那么两步法是一种很好的方法。此类情况的一个示例是基于对象标签添加 Vision API Product Search 过滤条件。

如果我知道商品在图片中的位置,我是否应该先剪裁图片,然后使用它对 API 进行查询?

这种情况可能会在某些场景下出现,例如,允许用户围绕要搜索的商品绘制边界框。通常,您不应在将图片发送到 API 之前对其进行剪裁。这是因为我们的 API 会使用查询边界框来返回目标结果,并同时使用整体图片上下文(这通常有助于改善结果)。

参考图片

什么样的产品参考图片算得上是良好的图片?

良好的参考图片应清晰地显示产品,并且图片中没有任何其他物体。良好参考图片的一个典型示例是“packshot”图片。这些图片常常用于在产品页面或广告中向用户展示产品,并且通常是在白色背景前拍摄的。如果图片中没有任何其他产品,则其他环境中的产品图片也算得上是良好的参考图片。您应该将可用的所有此类图片用作参考图片。

参考图片以及用于搜索产品的图片的理想尺寸是多少?

理想的图片侧重于产品,并且产品会填充图片的大部分内容;仅包含较小或不清楚的商品外观的图片将会产生不理想的结果。因此,图片中商品的直观大小比具体图片大小更重要。但是作为一般建议,请使用一条边最大为 600 像素或更高的图片作为参考和搜索图片。

特定产品的最佳参考图片数量是多少?

即使只有一个产品的一张参考图片,Vision API Product Search 也能出色地发挥作用。 通常情况下,3 到 8 张图片可以提供必要的信息,有助于通过 Vision API Product Search 获得适当的结果,尤其是当这些图片存在一些差异时。此类差异包括产品的不同方向、不同的光线或不同的背景。其他参考图片可以添加到索引中,通常不应降低准确率。

如何为我的产品获取更多参考图片?

提高 Vision API Product Search 准确率的最佳方法是为产品添加更多良好的参考图片。如果您已经上传了一组具有代表性的产品图片,并且仍希望提高某些产品的准确率,则可以使用其他现有图片或者为这些产品收集更多图片。

如需使用其他现有图片,请确保这些图片清晰地展示产品,并且没有其他无关物体。例如,您可能有某个模特的一些照片,该模特身着特定的衬衫和裤子。单独的一张此类图片算不上是该衬衫产品的良好参考图片。不过,如果您提供一个围绕该衬衫的边界框或者剪裁图片以仅包含该衬衫,则该图片算得上是良好的参考图片。您可以使用 Vision API 的对象定位器功能来给出边界框建议。此方法可以与人工提供的边界框注释搭配使用,也可以取代人工提供的边界框注释。

向我的产品集添加数据增强功能是否有助于提高 API 的准确率?

添加现有参考图片的增强版本(例如左右翻转、抖动对比度等)的想法是合理的,但通常不会提高准确率。

数据管理

随着商品目录变化,使用新商品更新您的商品集。如果变化较小,您可以根据需要添加或删除商品。或者,如果您的商品目录或参考图片发生了重大变化,您可以根据变化创建新的商品集并测试搜索质量,然后再完全切换到新的商品集。 在这两种情况下,您都应通过保存批量导入 CSV 文件来跟踪商品集中的商品和图片,以便轻松进行参考或回滚。