Búsqueda inversa de imágenes: Descubriendo los secretos del reconocimiento visual

Por Fouad Sabry

Qué es la búsqueda inversa de imágenes

La búsqueda inversa de imágenes es una técnica de consulta de recuperación de imágenes basada en contenido (CBIR) que implica proporcionar al sistema CBIR una imagen de muestra que luego base su búsqueda en; En términos de recuperación de información, la imagen de muestra es muy útil. En particular, la búsqueda inversa de imágenes se caracteriza por la falta de términos de búsqueda. Esto elimina efectivamente la necesidad de que un usuario adivine palabras clave o términos que pueden o no arrojar un resultado correcto. La búsqueda inversa de imágenes también permite a los usuarios descubrir contenido relacionado con una imagen de muestra específica o la popularidad de una imagen, y descubrir versiones manipuladas y trabajos derivados.

Cómo se beneficiará

(I) Insights y validaciones sobre los siguientes temas:

Capítulo 1: Búsqueda inversa de imágenes

Capítulo 2: Rastreador web

Capítulo 3: Recuperación de imágenes

Capítulo 4: Sistema de recomendación

Capítulo 5: Recuperación de documentos

Capítulo 6: Recuperación de imágenes basada en contenido

Capítulo 7: Anotación automática de imágenes

Capítulo 8: Índice invertido

Capítulo 9: Google Imágenes

Capítulo 10: Búsqueda social

(II) Respondiendo a las principales preguntas del público sobre la búsqueda inversa de imágenes.

(III) Ejemplos del mundo real para el uso de la búsqueda inversa de imágenes en muchos campos.

Quién este libro es para

Profesionales, estudiantes de pregrado y posgrado, entusiastas, aficionados y aquellos que quieran ir más allá del conocimiento o la información básica para cualquier tipo de búsqueda inversa de imágenes.

 

 

• Idioma: Español
• Editorial: Mil Millones De Conocimientos [Spanish]
• Fecha de lanzamiento: 5 may 2024

Vista previa del libro

Capítulo 1: Búsqueda inversa de imágenes

La imagen de muestra es muy útil para fines de recuperación de información en la búsqueda inversa de imágenes, que es una técnica de consulta de recuperación de imágenes basada en contenido (CBIR) que consiste en proporcionar al sistema CBIR una imagen en la que basar su búsqueda. La ausencia de términos de búsqueda es especialmente notable en la búsqueda inversa de imágenes. Como resultado, ya no es necesario que el usuario ingrese ciegamente palabras clave o términos con la esperanza de que produzcan los resultados deseados. Los usuarios pueden usar la búsqueda inversa de imágenes para encontrar resultados que sean relevantes para una imagen cargada, el uso de una búsqueda inversa de imágenes podría:

Averigüe dónde se tomó una foto.

Obtener imágenes de mejor calidad.

Localiza las URL de las páginas en las que aparece la imagen.

Localiza el origen del contenido.

Obtén más información sobre una imagen que hayas visto.

Los algoritmos para realizar una búsqueda inversa en una imagen incluyen:

Extracción de entidades locales de imágenes mediante una transformación de entidades invariable a escala

Máxima estabilidad en los extremos

Árbol de vocabulario

Yandex Images proporciona una búsqueda inversa de imágenes y fotos para todo el mundo. Además de la tecnología común de recuperación de imágenes basada en contenido (CBIR), el sitio también emplea tecnología basada en inteligencia artificial para encontrar resultados relacionados basados en la consulta del usuario. Los usuarios pueden buscar en la web otras imágenes similares a la que arrastraron y soltaron en la barra de herramientas del sitio. Yandex Images busca no solo en los sitios de redes sociales más populares, sino también en algunos menos conocidos, lo que brinda a los propietarios de contenido una forma de monitorear la difusión de imágenes y fotos robadas.

Al cargar una imagen o pegar la URL de la imagen, los usuarios pueden realizar una búsqueda inversa de imágenes utilizando la función de búsqueda por imagen de Google. Google es capaz de hacer esto porque examina la imagen enviada y crea un modelo matemático de la misma. Luego, la imagen se compara con las que ya están almacenadas en la base de datos de Google para determinar si existen coincidencias. Google también hace uso de metadatos de imágenes como la descripción cuando están disponibles. Aunque Google Lens se ha convertido en la principal herramienta de búsqueda visual de la plataforma a partir de 2022, la antigua función de búsqueda por imagen sigue siendo accesible desde Lens.

TinEye es un motor de búsqueda de imágenes que funciona a la inversa. Con el fin de comparar las imágenes enviadas con las que ya están en su base de datos, TinEye genera una firma digital o huella digital única y compacta para cada imagen.

Pixsy es un motor de búsqueda inversa de imágenes que puede encontrar imágenes similares.

El ShopBot de eBay puede buscar artículos en una imagen cargada mediante la búsqueda inversa de imágenes. Para el reconocimiento de categorías, eBay emplea una red ResNet-50; Google Bigtable se utiliza para almacenar hashes de imágenes; Los trabajos de Apache Spark son administrados por Google Cloud Dataproc; y Kubernetes se utiliza para implementar el servicio de clasificación de imágenes de eBay.

El sitio web de comercio electrónico de SK Planet puede realizar una búsqueda inversa de imágenes para localizar prendas de vestir similares. TensorFlow inception-v3 se utilizó para crear una red de codificadores de visión optimizada para la velocidad de convergencia y generalización en entornos de producción. Una R-CNN más rápida se utiliza para la detección de regiones de interés en la industria de la moda, y una red neuronal recurrente se utiliza para la clasificación multiclase. En menos de cien meses-hombre, SK Planet fue capaz de desarrollar un sistema de búsqueda inversa de imágenes.

La aplicación Pailitao de Alibaba apareció por primera vez en 2014.

Pailitao (chino: 拍立淘, La función, que se traduce como comprar con una cámara, permite a los usuarios realizar búsquedas de productos en la plataforma comercial electrónica de Alibaba tomando una foto del artículo deseado.

Con un modelo CNN profundo con ramificaciones para la detección conjunta y el aprendizaje de características, la aplicación Pailitao es capaz de aislar la máscara de detección y la función discriminativa precisa del ruido.

Tanto para la predicción de categorías como para el aprendizaje de características, se utiliza GoogLeNet V1 como modelo fundamental.

En 2014, Pinterest compró la startup de búsqueda visual VisualGraph e integró la función en su propio producto.

En la conferencia Middleware '18, JD.com dio a conocer el funcionamiento interno de su sistema de búsqueda visual en tiempo real. Los algoritmos utilizados por el sistema de extracción, indexación y recuperación de características de imágenes jerárquicas distribuidas de los 300 millones de