Fitur Penelusuran Produk sedang dalam mode pemeliharaan. Untuk skalabilitas yang lebih baik dan fungsi yang sama dengan Product Search, gunakan Vision Warehouse.
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Halaman ini menjelaskan langkah-langkah pemecahan masalah yang mungkin berguna jika Anda
mengalami masalah saat menggunakan Vision API Product Search.
Hasil penelusuran
Berapa jumlah maksimum hasil yang ditampilkan?
Jumlah maksimum hasil yang ditampilkan akan bervariasi dari satu kueri ke kueri lainnya karena
detail penerapan. Jumlah hasil maksimum yang dijamin yang ditampilkan adalah 500. Jika diminta lebih banyak,
jumlah yang diminta mungkin tidak terpenuhi.
Dapatkah saya menetapkan batas skor untuk hasil?
Skor hasil penelusuran tidak dikalibrasi. Artinya, skor hasil untuk kueri tertentu
akan sebanding (inilah cara hasil diberi peringkat). Namun, skor hasil untuk
kueri A dan kueri B tidak selalu sebanding. Artinya, tidak ada batas tetap
yang sesuai untuk kasus penggunaan tertentu.
Anda dapat menetapkan batas berdasarkan eksperimen Anda sendiri. Jika ingin menetapkan
batas, Anda harus menetapkan batas ini berdasarkan label per item. Artinya,
Anda harus menetapkan batas skor hasil untuk "Sepatu" terlepas dari "Tas", dll.
untuk setiap label.
Adakah cara untuk mengetahui mengapa hasil tertentu diberi peringkat lebih tinggi daripada yang lain?
Saat ini, Vision API Product Search tidak mendukung fitur apa pun yang menjelaskan
alasan hasil tertentu ditampilkan.
Apa perbedaan antara penggunaan productGroupedResults dan penggunaan
fitur Pelokalan Objek pada Vision API?
Respons productGroupedResults akan menampilkan daftar item yang terdeteksi,
label dan skor yang diprediksi, kotak pembatas, dan daftar peringkat hasil penelusuran
produk untuk setiap item. Respons ini sama dengan mengirim gambar kueri ke
fitur Pelokalan Objek di Vision API terlebih dahulu, lalu mengirim gambar bersama setiap
kotak pembatas item produk (difilter ke label yang relevan) ke Vision API Product Search.
Salah satu manfaat menggunakan productGroupedResults adalah lebih cepat
dan lebih langsung karena hanya membuat satu panggilan API. Namun, jika ada beberapa
logika aplikasi kustom yang perlu diimplementasikan antara deteksi objek dan
kueri penelusuran, maka metode dua langkah adalah pendekatan yang baik. Contoh kasus ini adalah
menambahkan filter Vision API Product Search berdasarkan
label objek.
Jika saya mengetahui lokasi produk dalam gambar, haruskah saya memangkas gambar sebelum membuat kueri
pada API dengan gambar tersebut?
Situasi ini mungkin terjadi jika, misalnya, pengguna diizinkan menggambar kotak pembatas di sekitar
item yang ingin mereka telusuri. Secara umum, Anda tidak boleh memangkas
gambar sebelum mengirimkannya ke API. Alasannya karena API kami akan menggunakan
kotak pembatas kueri untuk menampilkan hasil yang ditargetkan serta konteks gambar secara keseluruhan, yang
sering kali berguna untuk meningkatkan hasil.
Gambar referensi
Seperti apa gambar referensi produk yang baik?
Gambar referensi yang baik menampilkan produk dengan jelas dan tidak memiliki
objek lain dalam gambar. Contoh umum gambar referensi yang baik adalah
gambar "packshot". Gambar ini sering kali digunakan untuk menampilkan
produk kepada pengguna di halaman produk atau dalam iklan, dan biasanya diambil di depan
latar belakang putih. Gambar produk di lingkungan lain juga menjadi gambar referensi yang baik
asalkan tidak ada produk lain dalam gambar tersebut. Sebaiknya gunakan semua
gambar tersebut yang tersedia untuk gambar referensi.
Berapa ukuran gambar yang ideal untuk gambar referensi dan gambar yang Anda gunakan untuk menelusuri produk?
Gambar yang ideal berfokus pada produk, dan produk memenuhi sebagian besar gambar; gambar
yang hanya berisi representasi produk yang kecil atau tidak jelas akan memberikan hasil
yang kurang diinginkan. Akibatnya, ukuran yang terlihat dari produk dalam gambar lebih penting daripada
ukuran gambar tertentu. Namun, sebagai rekomendasi umum, gunakan gambar dengan 600 piksel
atau lebih pada sisi terbesar untuk referensi dan penelusuran gambar.
Berapa jumlah gambar referensi yang optimal untuk produk tertentu?
Vision API Product Search dapat berfungsi dengan baik bahkan dengan hanya satu gambar referensi dari suatu produk.
Biasanya, 3 hingga 8 gambar memberikan informasi yang diperlukan untuk mendapatkan hasil yang tepat dari
Vision API Product Search,
terutama jika gambar ini memiliki beberapa variasi. Variasi tersebut mencakup
orientasi produk yang berbeda, pencahayaan yang berbeda, atau latar belakang yang berbeda.
Gambar referensi tambahan dapat ditambahkan ke indeks, dan umumnya tidak akan mengurangi
akurasi.
Bagaimana cara agar saya mendapatkan lebih banyak gambar referensi untuk produk saya?
Cara terbaik untuk meningkatkan akurasi Vision API Product Search adalah dengan menambahkan lebih banyak
gambar referensi yang baik untuk produk. Jika Anda telah mengupload kumpulan gambar produk
yang representatif dan Anda masih ingin meningkatkan
akurasi untuk beberapa produk, Anda dapat menggunakan gambar lain yang ada atau mengumpulkan
lebih banyak gambar untuk produk tersebut.
Untuk menggunakan gambar lain yang sudah ada, pastikan gambar tersebut menampilkan produk dengan jelas
dan tidak memiliki objek lain yang mengganggu. Misalnya, Anda mungkin memiliki foto
model yang mengenakan kemeja tertentu beserta celananya. Gambar ini saja tidak akan menjadi
gambar referensi yang baik untuk produk kemeja tersebut. Namun, jika Anda menyediakan kotak pembatas
di sekeliling kemeja atau memangkas gambar agar hanya menyertakan kemeja, maka gambar ini akan menjadi gambar referensi
yang baik. Anda dapat menggunakan fitur
Lokalisasi Objek pada Vision API untuk mengusulkan
kotak. Metode ini dapat digunakan bersama atau sebagai ganti anotasi kotak pembatas
yang disediakan oleh manusia.
Apakah akan membantu akurasi API untuk menambahkan pengayaan data ke kumpulan produk saya?
Ide menambahkan versi gambar referensi yang sudah ada yang telah ditingkatkan
(contohnya, balik kiri-kanan, kontras jitter, dll.) memang masuk akal, tetapi biasanya
tidak terlalu meningkatkan akurasinya.
Pengelolaan data
Apa cara yang direkomendasikan untuk memperbarui kumpulan produk dalam produksi?
Update kumpulan produk Anda dengan produk baru saat
inventaris Anda berubah. Jika perubahannya kecil, Anda dapat
menambahkan atau menghapus produk sesuai kebutuhan. Atau, jika ada perubahan signifikan pada
inventaris Anda atau pada gambar referensi Anda, Anda dapat membuat kumpulan produk baru
dengan perubahan tersebut dan menguji kualitas penelusuran sebelum beralih sepenuhnya ke kumpulan baru tersebut.
Dalam kedua kasus tersebut, Anda harus melacak produk dan gambar mana
yang ada dalam kumpulan produk Anda dengan menyimpan file CSV impor batch Anda untuk memudahkan
referensi atau rollback.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Sulit dipahami","hardToUnderstand","thumb-down"],["Informasi atau kode contoh salah","incorrectInformationOrSampleCode","thumb-down"],["Informasi/contoh yang saya butuhkan tidak ada","missingTheInformationSamplesINeed","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2025-09-02 UTC."],[],[],null,["# General tips\n\nThis page describes troubleshooting steps that you might find helpful if you\nrun into problems using Vision API Product Search. \n\n### Search results\n\n#### What is the maximum number of results returned?\n\nThe maximum number of results returned will vary from query to query due to implementation\ndetails. The maximum guaranteed amount of results returned is 500. If more are requested,\nthe requested number may not be met.\n\n#### Can I set a score threshold for results?\n\nThe search result scores are not calibrated. This means that the result scores for a given\nquery will be comparable (this is how results are ranked). However, the result scores for\nquery A and query B are *not necessarily* comparable. This means there is no one fixed\nthreshold suitable for a given use case.\n\nIt is possible to set a threshold based on your own experiments. If you want to set a\nthreshold, you should set this threshold on a per item label basis. This means that\nyou should set a results score threshold for \"Shoes\" independently of \"Bags\", etc.\nfor each label.\n\n#### Is there a way to know why a particular result was ranked higher than another?\n\nCurrently the Vision API Product Search does not support any features that explain\nwhy a particular result was returned.\n\n#### What is the difference between using `productGroupedResults` and using\nthe Object Localizer feature of the Vision API?\n\nThe `productGroupedResults` response will return a list of detected items,\ntheir predicted label and score, their bounding boxes, and a ranked list of product\nsearch results for each item. This response is equivalent to first sending the query image to\nthe Object Localizer feature of the Vision API and then sending the image along with each\nproduct item bounding box (filtered to the relevant labels) to Vision API Product Search.\n\nOne benefit of using `productGroupedResults` is that it is faster\nand more direct because it only makes a single API call. However, if there is some\ncustom application logic that needs to be implemented between the object detection and\nthe search query then a two step method is a good approach. An example of such a case\nwould be adding Vision API Product Search filters based on object\nlabels.\n\n#### If I know the location of a product in an image should I crop the image before querying\nthe API with it?\n\nThis situation might arise if, for example, a user is allowed to draw a bounding box around\nthe item that they want to search. In general you should not crop the\nimage before sending it to the API. The reason is that our API will use both the query\nbounding box to return targeted results as well as the overall image context, which is\nfrequently helpful for improving the results.\n\n### Reference images\n\n#### What are good product reference images?\n\nGood reference images show the product clearly and do not have any other\nobjects in the image. A typical example of good reference images are\n[\"packshot\"](https://en.wikipedia.org/wiki/Packshot) images. These images are frequently used to show the user\na product on the product page or in advertising, and typically taken in front of a\nwhite background. Images of the product in other environments also make good reference\nimages provided there are not any other products in the image. You should use all such\nimages that are available for reference images.\n\n#### What is the ideal image size for reference images and images you use to search for products?\n\nAn ideal image focuses on the product, and the product fills the majority of the image ; images\ncontaining only a small or unclear representation of a product will produce less desirable\nresults. Consequently, the apparent size of the product in the image matters more than specific\nimage size. However, as a *general* recommendation, use images with 600 pixels\nor more on the largest side for reference and search images.\n\n#### What is the optimal number of reference images for a particular product?\n\nThe Vision API Product Search can work well even with only one reference image of a product.\nTypically 3 to 8 images provide necessary information to get proper results from the\nVision API Product Search,\nespecially if these images have some variations. Such variations include different\norientations of the product, different lighting, or a different background.\nAdditional reference images can be added to the index, and should not generally decrease\naccuracy.\n\n#### How can I get more reference images for my products?\n\nThe best way to improve the accuracy of Vision API Product Search is to add more good\nreference images for products. If you have already uploaded a representative set of product\nimages and you'd still like to increase the\naccuracy for some products you can use other existing images or collect\nmore images for those products.\n\nTo use other existing images make sure they clearly show the product\nand don't have other distracting objects. For example, you might have photos of a\nmodel wearing a particular shirt along with pants. This image *alone* wouldn't be a\ngood reference image for the shirt product. However, if you provide a bounding box\naround the shirt or crop the image to only include the shirt it would be a good reference\nimage. You can use the Vision API's [Object\nLocalizer](/vision/docs/object-localizer) feature to propose\nboxes. This method can be used alongside or instead of human-provided bounding box\nannotations.\n\n#### Would it help the accuracy of the API to add data augmentations to my product set?\n\nThe idea of adding augmented versions of existing reference images\n(for example, left-right flips, jittered contrast, etc.) is sensible, but typically does\nlittle to increase the accuracy.\n\n### Data management\n\n#### What is the recommended way to update a product set in production?\n\nUpdate your product set with new products as your\ninventory changes. If the changes are small you can\nadd or delete products as needed. Alternatively, if there is a significant change in your\ninventory or in your reference images you can create a new product\nset with the changes and test the search quality before fully switching over to the new set.\nIn either case, you should keep track of which products and\nimage are in your product set by saving your batch import CSV file for easy\nreference or rollback."]]
