Milvus 助力 Mozat 搭建相似时尚单品搜索系统
处理数千万向量数据
具备快速扩展能力
毫秒级查询速度
提供最佳的用户体验
重塑时尚界未来
人类创造力与机器智能的和谐融合
Milvus 在千万级数据上的向量搜索时间以毫秒计算，在开发成本低、资源占用少的前提条件下实现最优性能。
方宇
Mozat 简介
Mozat 成立于2003年，掌握最前沿的技术，业务遍布东南亚和沙特阿拉伯。Mozat 专注于打造社交媒体、通信和生活方式应用，其最受欢迎的产品是 Stylepedia——一款专为 iPhone 和安卓设计的创新性应用。这款数字衣柜应用为用户提供个性化的风格推荐，集成了社交媒体，并提供了一个图像搜索工具来帮助用户发现相似的时尚单品。Mozat 的 Stylepedia 重新定义了时尚，搭建起了时尚社交社群，为人们探索个人时尚风格提供一种全新的方式。每一套衣着打扮都是一种叙事，每个人都可以引领潮流。
挑战：庞大的时尚图库
Mozat 对 Stylepedia 的定位不仅仅只是一个虚拟衣柜，而是一个提供高度个性化时尚建议的地方，这些建议是根据用户个人品味量身定制的。然而，搭建这样一个系统也会面临不小挑战。Mozat 的主要难题是需要处理每天呈指数级增长的庞大服装图像数据库。与此同时，系统必须在毫秒内对用户寻找相似时尚风格的图像查询作出快速响应。
此外，Mozat 还需要处理大量用户上传的分辨率、角度和大小各异的照片。显而易见的是，Mozat 需要一种能够高效存储、识别、理解和比较这些图像的技术，并提供快速而准确的结果。
解决方案：采用 Milvus 作为 Stylepedia 的神经网络
在寻找解决方案的过程中，Mozat 团队找到了他们的答案——Milvus 向量数据库。Milvus 支持主流的向量索引，并能够对数十亿向量数据集进行实时搜索。因此，Milvus 是 Stylepedia 图像搜索系统神经网络的理想选择。
图像搜索系统包括四个模块：
- 衣物检测：用于实时对象检测，识别服装单品和分类。
- 特征提取：将图像转换为 512 维向量。
- 向量相似性搜索：用于大规模进行相似性搜索。
- 后处理：使用颜色和关键标签过滤优化结果，确保图像质量对齐。
Stylepedia 利用 Milvus 在向量相似性搜索模块中进行大规模图像相似性搜索。其工作流包括两部分。在存储链路中，对象检测和特征提取模型将整个时尚图像库转换为 512 维特征向量。随后为这些向量数据创建索引并存储在 Milvus 中。在查询链路中，机器学习模型将用户的查询图像转换为特征向量。Milvus 随后执行 ANN 搜索以获得与查询向量最相关的 Top-K 个结果，并获取它们对应的图像 ID。最后，经过后处理（过滤、排序等），Stylepedia 向用户返回一组相似的图像。
Stylepedia 图像搜索系统的工作流程
借助 Milvus，Stylepedia 实现了以下三点功能创新。
- 寻找相似的服装单品：用户可以上传自己衣服的图片，并在 Stylepedia 数字衣柜中找到相似的时尚单品。
- 搭配建议：用户可以通过相似性搜索探索包含特定单品的时尚照片，从而更快捷地选购新服饰或获取独一无二的搭配灵感。
- 时尚照片推荐：系统分析用户浏览历史和数字衣柜内容，为用户提供量身定制的时尚照片推荐。
结果：时尚革命
在 Milvus 的赋能下，Stylepedia 成为了一个强大的时尚智能平台。爆炸式增长的图像数据不再是一个问题，因为 Milvus 能够处理数十亿向量，无缝扩展。Stylepedia 现在能够为用户查询生成实时响应，极大地改善了用户体验。用户可以上传自己衣服的图片，并迅速收到一系列相似服装的精选推荐。Stylepedia 成功将智能技术和时尚领域巧妙地融合在了一起。
Milvus 助力 Stylepedia 成为用户的时尚知己，帮助用户预测时尚趋势，了解个人品味，并鼓励用户拥抱独属于自己的时尚风格。
结论：Mozat 与 Milvus 共塑个性化风格探索旅程
Mozat 与 Milvus 的合作标志着时尚发展新时代的开始。Stylepedia 不再仅仅是一个应用程序；它象征着人类创造力和机器智能的和谐融合。借助 Milvus的强大功能，Mozat 重新定义了用户与时尚的互动方式，在塑造未来的个性化风格旅程中加入了智能技术。