图像搜索返回的结果是按照图片间的相似度降序排列的(即按照相似度从高到底排列)。但由于图像搜索产品支持同一个ProductID下可以有多个PicName(即同一个商品ID下可以有多张图片,类似电商APP中同一个宝贝下有多张主图),所以针对同一个商品ID下的不同PicName在排序时会优先将这个商品ID下最相似的图片排在最前面,同时这个商品ID下的其他相似图片默认会排在后面,所以会出现相似度先由大变小,在突然由小变大的情况。例如:
商品ID=1234下有图片A、B两张图片,商品ID=5678下有图片C、D两张图片。在一次请求中图片A的相似度=0.95,图片B相似度=0.94,图片C相似度=0.93,图片D相似度=0.92,那么最终的排序为:图片A=0.95(排名第一),图片C=0.93(排名第二),图片B=0.94(排名第三),图片D=0.92(排名第四)。所以在这次排序中,看起来并不是严格按照降序排列的,原因为同一个商品ID下(例如商品ID=1234),会排序得分最高的,然后会优先排序第二个商品ID(例如商品ID=5678)下得分最高的,虽然商品ID=1234中的图片B=0.94,但由于已经有商品A=0.95排到了第一位,所以会优先排序商品ID=5678的商品C=0.93,依次类推。
如有搜索效果不准情况请
点此参考。