Wildberries: ИИ ставит новый бренд на модерацию менее чем за 25 минут

Команда «Автоматическая модерация методами ИИ» RWB модерирует контент во всех продуктах экосистемы Wildberries: более 20 типов сущностей, от карточек товаров до видеороликов Wibes, более 400 запросов в секунду и более 12 млн карточек в день. Отдельная задача — модерация брендов и лиц: защита интеллектуальной собственности и соблюдение законодательства стран присутствия. Проверки нужно быстро запускать по запросам регуляторов и при выходе на новые рынки. Обучение отдельной YOLO-модели на каждый бренд требовало всё больше ресурсов GPU, а переобучение одной общей модели грозило падением качества по уже заведённым брендам.

Команда объединила детектор объектов и векторный поиск. Модель YOLO выделяет на изображениях карточки все потенциальные логотипы, визуальная часть модели CLIP превращает каждый фрагмент в эмбеддинг, а косинусное сходство с эталонами в хранилище Faiss определяет бренд. Эталон нового логотипа менеджер или дата-сайентист загружает через административную панель, без переобучения модели. Для лиц и персонажей используется та же схема: YOLO, предобученная на лицах, и векторизатор ArcFace; детектор работает с карточками товаров и кадрами видео. Детекторы встраиваются в каскады с текстовыми инструментами и VLM-проверкой.

Детектор логотипов обучили на датасете из более чем 200 тыс. изображений с около 400 тыс. объектов «лого» и более 220 брендами, собранном из открытых данных, разметки действующих моделей и VLM-разметки. Модели развёрнуты в Triton Inference Server и конвертированы в TensorRT, что дало прирост производительности в три-четыре раза; векторный поиск перенесли с PGVector на Faiss с отдельным индексом для каждого бренда. По данным на июль 2026 года, в детекторы заведено более 800 логотипов и лиц, от запроса до применения модерационного решения проходит менее 25 минут, средняя точность превышает 90%.