RIZA

صورة منتج مفهرسة

11,934

منتج قابل للبحث بالصورة

2,697

ذاكرة الخدمة، بلا GPU

6 GB → 2 GB

التحدي

1. 01

   البحث النصي لا ينفع في الأزياء: لا يستطيع المتسوّق كتابة "فستان ميدي بيج ملفوف بأكمام منفوخة"، لكنه يستطيع أن يريه

2. 02

   صورة الإطلالة الواحدة تضم عدة منتجات، فالبحث بالصورة كاملة يعيد نتائج مختلطة

3. 03

   سيرفر بلا GPU يشاركه المتجر نفسه، فكان على كل نموذج أن يبرّر استهلاكه للذاكرة

4. 04

   الكتالوج يتغيّر يومياً، فيجب أن يتحدّث الفهرس عند الحفظ دون تعطيل لوحة الإدارة

5. 05

   نقطة رفع عامة ومجهولة الهوية تحتاج إلى حدود صارمة على الرفع والمعدّل والبيانات المُعادة

أبرز الميزات

الشاشات

ملاحظات هندسية

1. 01

   ثلاثة نماذج على سيرفر بلا GPU، ثم اثنان

   حمّل الإصدار الأول OWLv2 و FashionCLIP ونموذج CLIP عاماً. أظهرت القياسات أن FashionCLIP يتعامل جيداً بما يكفي مع منتجات التجميل والعطور والألعاب، فأُزيل النموذج العام ووفّر نحو 1.8 جيجابايت من الذاكرة.

2. 02

   تحميل كسول لنموذج الاكتشاف

   OWLv2 هو النموذج الأثقل بنحو 2.5 جيجابايت في الذاكرة، ولا يحتاجه سوى /detect. يُحمَّل خلف قفل مزدوج الفحص عند أول استخدام أو يُسخَّن في خيط خلفي، فيكون /search جاهزاً فوراً.

3. 03

   نتيجة واحدة لكل منتج

   لكل منتج عدة صور، فتهيمن بضعة منتجات على أقرب الجيران. لذلك يجلب الفهرس عدداً أكبر، ويُبقي أفضل صورة لكل منتج، ثم يطبّق top_k.

4. 04

   إعادة ترتيب واعية بالفئة

   قد تبدو حقيبة بيج أقرب إلى فستان بيج من فستان آخر. حلّ ذلك تقسيمٌ مستقر يضع الفئة المطابقة أولاً ويرتّب بالدرجة داخل كل مجموعة، دون إعادة تدريب، ويعمل مع أسماء الفئات العربية أيضاً.

5. 05

   إطارات دقيقة على الصور غير المربعة

   يحشو OWLv2 الصور لتصبح مربعة، فتعالج إعادة الكتابة النتائج وفق الحجم المحشو. تتطابق الإطارات مع بكسلات الصورة الأصلية، ويرسمها المتجر بالنسب المئوية فوق صورة متجاوبة.

6. 06

   SQLite مصدراً للحقيقة

   تُحدَّث المتجهات أو تُدرج لكل صورة منتج، ويُعاد بناء فهرس FAISS في الذاكرة عند التشغيل وبعد الحذف. إعادة الفهرسة آمنة التكرار، وإعادة التشغيل لا تُفقد الفهرس أبداً.