Umgekehrte Bildsuche: Entdecken Sie die Geheimnisse der visuellen Erkennung

Von Fouad Sabry

Was ist die umgekehrte Bildsuche?

Die umgekehrte Bildsuche ist eine inhaltsbasierte Bildabfragetechnik (CBIR), bei der dem CBIR-System ein Beispielbild zur Verfügung gestellt wird dann stützen Sie seine Suche darauf; Im Hinblick auf den Informationsabruf ist das Beispielbild sehr nützlich. Insbesondere die umgekehrte Bildersuche zeichnet sich durch einen Mangel an Suchbegriffen aus. Dadurch entfällt für den Benutzer effektiv die Notwendigkeit, Schlüsselwörter oder Begriffe zu erraten, die möglicherweise ein korrektes Ergebnis liefern oder auch nicht. Mit der umgekehrten Bildsuche können Benutzer auch Inhalte entdecken, die sich auf ein bestimmtes Beispielbild oder die Beliebtheit eines Bildes beziehen, sowie manipulierte Versionen und abgeleitete Werke entdecken.

Ihre Vorteile

(I) Einblicke und Validierungen zu den folgenden Themen:

Kapitel 1: Umgekehrte Bildsuche

Kapitel 2: Webcrawler

Kapitel 3: Bildabruf

Kapitel 4: Empfehlungssystem

Kapitel 5: Dokumentenabruf

Kapitel 6: Inhaltsbasierter Bildabruf

Kapitel 7: Automatische Bildanmerkung

Kapitel 8: Invertierter Index

Kapitel 9: Google Bilder

Kapitel 10: Soziale Suche

(II) Beantwortung der häufigsten öffentlichen Fragen zur umgekehrten Bildersuche.

(III) Beispiele aus der Praxis für die Verwendung der umgekehrten Bildersuche in vielen Bereichen.

Wer Dieses Buch richtet sich an

Profis, Studenten und Doktoranden, Enthusiasten, Hobbyisten und diejenigen, die über grundlegende Kenntnisse oder Informationen für jede Art von umgekehrter Bildsuche hinausgehen möchten.

 

 

• Sprache: Deutsch
• Herausgeber: Eine Milliarde Sachkundig [German]
• Erscheinungsdatum: 5. Mai 2024

Buchvorschau

Kapitel 1: Umgekehrte Bildersuche

Das Beispielbild ist sehr nützlich für die Informationsbeschaffung bei der umgekehrten Bildsuche, bei der es sich um eine inhaltsbasierte Bildabfragetechnik (CBIR) handelt, bei der dem CBIR-System ein Bild zur Verfügung gestellt wird, auf dem die Suche basieren kann. Das Fehlen von Suchbegriffen macht sich vor allem bei der umgekehrten Bildersuche bemerkbar. Dadurch muss der Nutzer nicht mehr blind Schlüsselwörter oder Begriffe eingeben, in der Hoffnung, dass sie die gewünschten Ergebnisse liefern. Benutzer können die umgekehrte Bildersuche verwenden, um Ergebnisse zu finden, die für ein hochgeladenes Bild relevant sind. Die Verwendung einer umgekehrten Bildersuche kann:

Finden Sie heraus, wo ein Bild aufgenommen wurde.

Erzielen Sie Bilder in besserer Qualität.

Suchen Sie die URLs der Seiten, auf denen das Bild zu sehen ist.

Suchen Sie die Quelle des Inhalts.

Hier erfährst du mehr über ein Bild, das du gesehen hast.

Zu den Algorithmen für die Durchführung einer Rückwärtssuche in einem Bild gehören:

Extraktion von lokalen Bildmerkmalen mithilfe einer maßstabsinvarianten Merkmalstransformation

Maximale Stabilität an den Enden

Vokabelbaum

Yandex Images bietet eine umgekehrte Bild- und Fotosuche für die ganze Welt. Zusätzlich zur üblichen CBIR-Technologie (Content Based Image Retrieval) setzt die Website auch auf künstlicher Intelligenz basierende Technologie ein, um verwandte Ergebnisse basierend auf der Suchanfrage des Benutzers zu finden. Benutzer können im Internet nach anderen Bildern suchen, die dem Bild ähneln, das sie per Drag & Drop in die Symbolleiste der Website gezogen haben. Yandex Images durchsucht nicht nur die beliebtesten Social-Media-Websites, sondern auch einige weniger bekannte, um den Eigentümern von Inhalten die Möglichkeit zu geben, die Verbreitung gestohlener Bilder und Fotos zu überwachen.

Durch das Hochladen eines Bildes oder das Einfügen der URL des Bildes können Nutzer mit der Suchfunktion von Google eine umgekehrte Bildersuche durchführen. Google ist dazu in der Lage, weil es das eingereichte Bild untersucht und ein mathematisches Modell davon erstellt. Das Bild wird dann mit den bereits in der Google-Datenbank gespeicherten Bildern verglichen, um festzustellen, ob Übereinstimmungen vorhanden sind. Google verwendet auch Bildmetadaten wie Beschreibungen, wenn diese verfügbar sind. Auch wenn Google Lens seit 2022 das primäre visuelle Suchwerkzeug der Plattform ist, ist die ältere Funktion Suche nach Bildern immer noch von Lens aus zugänglich.

TinEye ist eine Bildersuchmaschine, die umgekehrt funktioniert. Um die eingereichten Bilder mit denen zu vergleichen, die sich bereits in der Datenbank befinden, generiert TinEye für jedes Bild eine eindeutige und kompakte digitale Signatur oder einen Fingerabdruck.

Pixsy ist eine umgekehrte Bildersuchmaschine, die ähnliche Bilder finden kann.

Der eBay ShopBot kann mithilfe der umgekehrten Bildersuche nach Artikeln in einem hochgeladenen Bild suchen. Für die Kategorieerkennung verwendet eBay ein ResNet-50-Netzwerk. Google Bigtable wird verwendet, um Bild-Hashes zu speichern. Apache Spark-Aufträge werden von Google Cloud Dataproc verwaltet. und Kubernetes wird verwendet, um den Bild-Ranking-Service von eBay bereitzustellen.

Die E-Commerce-Website von SK Planet kann eine umgekehrte Bildersuche durchführen, um ähnliche Kleidungsstücke zu finden. TensorFlow inception-v3 wurde verwendet, um ein Vision-Encoder-Netzwerk aufzubauen, das für die Geschwindigkeit der Konvergenz und Generalisierung in Produktionsumgebungen optimiert ist. Schnelleres R-CNN wird für die Erkennung von Interessengebieten in der Modeindustrie verwendet, und ein rekurrentes neuronales Netzwerk wird für die Klassifizierung mehrerer Klassen verwendet. In weniger als hundert Mannmonaten war SK Planet in der Lage, ein umgekehrtes Bildersuchsystem zu entwickeln.

Die Pailitao-App von Alibaba erschien erstmals im Jahr 2014.

Pailitao (chinesisch: 拍立淘, Die Funktion, die übersetzt Einkaufen mit einer Kamera bedeutet, ermöglicht es Nutzern, Produktsuchen auf Alibabas elektronischer Handelsplattform durchzuführen, indem sie ein Foto des gewünschten Artikels machen.

Mit einem tiefen CNN-Modell mit Verzweigungen für die Gelenkerkennung und das Erlernen von Merkmalen ist die Pailitao-App in der Lage, die Detektionsmaske und das präzise Unterscheidungsmerkmal vom Rauschen zu isolieren.

Sowohl für die Kategorievorhersage als auch für das Lernen von Merkmalen wird GoogLeNet V1 als grundlegendes Modell verwendet.

Im Jahr 2014 kaufte Pinterest das Startup VisualGraph für die visuelle Suche und integrierte die Funktion in sein eigenes Produkt.

Auf der Middleware '18-Konferenz enthüllte JD.com das Innenleben seines visuellen Echtzeit-Suchsystems. Die Algorithmen, die vom verteilten hierarchischen Bildmerkmalsextraktions-, Indexierungs- und Abrufsystem