Ricerca inversa delle immagini: Svelare i segreti del riconoscimento visivo

Di Fouad Sabry

Che cos'è la ricerca inversa di immagini

La ricerca inversa di immagini è una tecnica di query di recupero di immagini basata sul contenuto (CBIR) che prevede di fornire al sistema CBIR un'immagine campione che verrà quindi basare la sua ricerca su; in termini di recupero delle informazioni, l'immagine di esempio è molto utile. In particolare, la ricerca inversa delle immagini è caratterizzata dalla mancanza di termini di ricerca. Ciò elimina di fatto la necessità per un utente di indovinare parole chiave o termini che potrebbero o meno restituire un risultato corretto. La ricerca inversa delle immagini consente inoltre agli utenti di scoprire contenuti correlati a un'immagine campione specifica o alla popolarità di un'immagine e di scoprire versioni manipolate e opere derivate.

Come trarrai vantaggio

(I) Approfondimenti e convalide sui seguenti argomenti:

Capitolo 1: Ricerca inversa di immagini

Capitolo 2: Web crawler

Capitolo 3: Recupero di immagini

Capitolo 4: Sistema di suggerimenti

Capitolo 5: Recupero di documenti

Capitolo 6: Recupero di immagini basato sul contenuto

Capitolo 7: Annotazione automatica delle immagini

Capitolo 8: Indice invertito

Capitolo 9: Google Immagini

Capitolo 10: Ricerca social

(II) Rispondere alle principali domande del pubblico sulla ricerca inversa delle immagini.

(III) Esempi reali dell'utilizzo della ricerca inversa delle immagini in molti campi.

Chi questo libro è per

Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che desiderano andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di ricerca inversa di immagini.

 

 

• Lingua: Italiano
• Editore: Un Miliardo Di Ben Informato [Italian]
• Data di uscita: 5 mag 2024

Anteprima del libro

Capitolo 1: Ricerca inversa di immagini

L'immagine di esempio è molto utile per il recupero delle informazioni nella ricerca inversa di immagini, che è una tecnica di query CBIR (Content-Based Image Retrieval Analysis) che consiste nel fornire al sistema CBIR un'immagine su cui basare la ricerca. L'assenza di termini di ricerca è particolarmente evidente nella ricerca inversa di immagini. Di conseguenza, l'utente non è più tenuto a inserire ciecamente parole chiave o termini nella speranza che producano i risultati desiderati. Gli utenti possono utilizzare la ricerca inversa di immagini per trovare risultati pertinenti a un'immagine caricata, l' utilizzo di una ricerca inversa di immagini potrebbe:

Scopri dove è stata scattata una foto.

Ottenere immagini di migliore qualità.

Individua gli URL delle pagine che presentano l'immagine.

Individua l'origine del contenuto.

Scopri di più su un'immagine che hai visto.

Gli algoritmi per eseguire una ricerca inversa su un'immagine includono:

Estrazione di feature locali dell'immagine utilizzando una trasformazione di feature invariante in scala

Massima stabilità alle estremità

Albero del vocabolario

Yandex Images fornisce una ricerca inversa di immagini e foto per il mondo intero. Oltre alla comune tecnologia Content Based Image Retrieval (CBIR), il sito utilizza anche una tecnologia basata sull'intelligenza artificiale per trovare i risultati correlati in base alla query dell'utente. Gli utenti possono cercare sul Web altre immagini simili a quella che hanno trascinato e rilasciato nella barra degli strumenti del sito. Yandex Images cerca non solo nei siti di social media più popolari, ma anche in alcuni meno conosciuti, offrendo ai proprietari dei contenuti un modo per monitorare la diffusione di immagini e foto rubate.

Caricando un'immagine o incollando l'URL dell'immagine, gli utenti possono condurre una ricerca inversa di immagini utilizzando la funzione Cerca per immagine di Google. Google è in grado di farlo perché esamina l'immagine inviata e ne crea un modello matematico. L'immagine viene quindi confrontata con quelle già memorizzate nel database di Google per determinare se esistono corrispondenze. Google utilizza anche i metadati delle immagini come la descrizione quando sono disponibili. Anche se Google Lens ha assunto il ruolo di principale strumento di ricerca visiva della piattaforma a partire dal 2022, la vecchia funzione di ricerca per immagine è ancora accessibile dall'interno di Lens.

TinEye è un motore di ricerca di immagini che funziona al contrario. Al fine di confrontare le immagini inviate con quelle già presenti nel suo database, TinEye genera una firma digitale o impronta digitale univoca e compatta per ogni immagine.

Pixsy è un motore di ricerca di immagini inverse in grado di trovare immagini simili.

Lo ShopBot di eBay può cercare oggetti in un'immagine caricata utilizzando la ricerca inversa per immagini. Per il riconoscimento delle categorie, eBay si avvale di una rete ResNet-50; Google Bigtable viene utilizzato per memorizzare gli hash delle immagini; I processi Apache Spark sono gestiti da Google Cloud Dataproc; e Kubernetes viene utilizzato per distribuire il servizio di classificazione delle immagini di eBay.

Il sito di e-commerce di SK Planet può eseguire una ricerca inversa di immagini per individuare capi di abbigliamento simili. TensorFlow inception-v3 è stato utilizzato per creare una rete di encoder di visione ottimizzata per la velocità di convergenza e generalizzazione in ambienti di produzione. La R-CNN più veloce viene utilizzata per il rilevamento delle regioni di interesse nel settore della moda e una rete neurale ricorrente viene utilizzata per la classificazione multiclasse. In meno di un centinaio di mesi-uomo, SK Planet è stata in grado di sviluppare un sistema di ricerca inversa di immagini.

L'app Pailitao di Alibaba è apparsa per la prima volta nel 2014.

Pailitao (cinese: 拍立淘, La funzione, che si traduce in fare acquisti con una fotocamera, consente agli utenti di condurre ricerche di prodotti sulla piattaforma commerciale elettronica di Alibaba scattando una foto dell'articolo desiderato.

Con un modello CNN profondo con rami per il rilevamento congiunto e l'apprendimento delle caratteristiche, l'app Pailitao è in grado di isolare la maschera di rilevamento e la funzione discriminante precisa dal rumore.

Sia per la previsione delle categorie che per l'apprendimento delle funzionalità, GoogLeNet V1 viene utilizzato come modello di base.

Nel 2014, Pinterest ha acquistato la startup di ricerca visiva VisualGraph e ha integrato la funzione nel proprio prodotto.

Alla conferenza Middleware '18, JD.com ha svelato il funzionamento interno del suo sistema di ricerca visiva in tempo reale. Gli algoritmi utilizzati dai 300 milioni di utenti attivi ogni giorno per l'estrazione, l'indicizzazione e il recupero delle funzionalità gerarchiche di JD sono al centro dell'articolo sottoposto a