Recherche d'image inversée: Percer les secrets de la reconnaissance visuelle
Par Fouad Sabry
()
À propos de ce livre électronique
Qu'est-ce que la recherche d'images inversée
La recherche d'images inversée est une technique de requête de récupération d'images basée sur le contenu (CBIR) qui consiste à fournir au système CBIR un échantillon d'image qu'il puis basez sa recherche sur ; en termes de recherche d’informations, l’exemple d’image est très utile. En particulier, la recherche d’images inversées se caractérise par un manque de termes de recherche. Cela élimine efficacement le besoin pour un utilisateur de deviner des mots-clés ou des termes qui peuvent ou non renvoyer un résultat correct. La recherche d'images inversée permet également aux utilisateurs de découvrir du contenu lié à un échantillon d'image spécifique ou à la popularité d'une image, ainsi que de découvrir des versions manipulées et des œuvres dérivées.
Comment vous en bénéficierez
(I) Informations et validations sur les sujets suivants :
Chapitre 1 : Recherche d'images inversée
Chapitre 2 : Robot d'exploration Web
Chapitre 3 : Récupération d'images
Chapitre 4 : Système de recommandation
Chapitre 5 : Récupération de documents
Chapitre 6 : Récupération d'images basée sur le contenu
Chapitre 7 : Annotation automatique des images
Chapitre 8 : Index inversé
Chapitre 9 : Google Images
Chapitre 10 : Recherche sociale
(II) Répondre aux principales questions du public sur la recherche d'images inversées.
(III) Exemples concrets d'utilisation de la recherche d'images inversées dans de nombreux domaines.
Qui ce livre s'adresse aux professionnels, aux étudiants de premier cycle et des cycles supérieurs, aux passionnés, aux amateurs et à ceux qui souhaitent aller au-delà des connaissances ou des informations de base pour tout type de recherche d'images inversée.
En savoir plus sur Fouad Sabry
Technologies Émergentes dans les Choses Autonomes [French]
Lié à Recherche d'image inversée
Titres dans cette série (100)
Histogramme d'image: Dévoilement d'informations visuelles, exploration des profondeurs des histogrammes d'images en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationBanque de filtres: Aperçu des techniques de banque de filtres de Computer Vision Évaluation : 0 sur 5 étoiles0 évaluationPeinture: Combler les lacunes de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationFonction de correspondance des couleurs: Comprendre la sensibilité spectrale en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationRétinex: Dévoiler les secrets de la vision informatique avec Retinex Évaluation : 0 sur 5 étoiles0 évaluationVision par ordinateur: Explorer les profondeurs de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationVision par ordinateur sous-marine: Explorer les profondeurs de la vision par ordinateur sous les vagues Évaluation : 0 sur 5 étoiles0 évaluationVision stéréo par ordinateur: Explorer la perception de la profondeur dans la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationSystème de gestion des couleurs: Optimiser la perception visuelle dans les environnements numériques Évaluation : 0 sur 5 étoiles0 évaluationDiffusion anisotrope: Améliorer l'analyse d'images grâce à la diffusion anisotrope Évaluation : 0 sur 5 étoiles0 évaluationÉgalisation d'histogramme: Amélioration du contraste de l'image pour une perception visuelle améliorée Évaluation : 0 sur 5 étoiles0 évaluationRéduction de bruit: Amélioration de la clarté et techniques avancées de réduction du bruit en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationGroupe mixte d'experts en photographie: Libérer la puissance des données visuelles avec la norme JPEG Évaluation : 0 sur 5 étoiles0 évaluationCartographie des tons: Cartographie des tons : perspectives éclairantes en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationCorrection gamma: Améliorer la clarté visuelle en vision par ordinateur : la technique de correction gamma Évaluation : 0 sur 5 étoiles0 évaluationHomographie: Homographie : transformations en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationTransformation affine: Libérer des perspectives visuelles : explorer la transformation affine en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationTransformation du radon: Dévoiler des modèles cachés dans les données visuelles Évaluation : 0 sur 5 étoiles0 évaluationMéthode d'ensemble de niveaux: Faire progresser la vision par ordinateur, explorer la méthode de jeu de niveaux Évaluation : 0 sur 5 étoiles0 évaluationFiltre adaptatif: Améliorer la vision par ordinateur grâce au filtrage adaptatif Évaluation : 0 sur 5 étoiles0 évaluationTransformation de Hough: Dévoiler la magie de la transformation de Hough en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationPerception visuelle: Aperçu du traitement visuel informatique Évaluation : 0 sur 5 étoiles0 évaluationModèle du système visuel humain: Comprendre la perception et le traitement Évaluation : 0 sur 5 étoiles0 évaluationCompression d'images: Techniques efficaces pour l'optimisation des données visuelles Évaluation : 0 sur 5 étoiles0 évaluationEspace colorimétrique: Explorer le spectre de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationProfil de couleur: Explorer la perception et l'analyse visuelles en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationModèle d'apparence de couleur: Comprendre la perception et la représentation en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationTransformation Hadamard: Dévoilement de la puissance de la transformation Hadamard en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationMoindres carrés: Techniques d'optimisation pour la vision par ordinateur : méthodes des moindres carrés Évaluation : 0 sur 5 étoiles0 évaluationAjustement du forfait: Optimisation des données visuelles pour une reconstruction précise Évaluation : 0 sur 5 étoiles0 évaluation
Livres électroniques liés
Récupération d'images basée sur le contenu: Déverrouillage des bases de données visuelles Évaluation : 0 sur 5 étoiles0 évaluationRécupération d'images: Libérer la puissance des données visuelles Évaluation : 0 sur 5 étoiles0 évaluationAnnotation automatique des images: Améliorer la compréhension visuelle grâce au marquage automatisé Évaluation : 0 sur 5 étoiles0 évaluationExploration de la collection d’images: Dévoiler des paysages visuels en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationDétection d'objet: Avancées, applications et algorithmes Évaluation : 0 sur 5 étoiles0 évaluationLogiciel Aphélie: Unlocking Vision : Explorer les profondeurs du logiciel Aphelion Évaluation : 0 sur 5 étoiles0 évaluationRéseau de capteurs visuels: Explorer la puissance des réseaux de capteurs visuels en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationVision par ordinateur: Explorer les profondeurs de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationReconnaissance optique du braille: Renforcer l'accessibilité grâce à l'intelligence visuelle Évaluation : 0 sur 5 étoiles0 évaluationTraitement d'image pyramidale: Explorer les profondeurs de l'analyse visuelle Évaluation : 0 sur 5 étoiles0 évaluationRendu d'infographie: Explorer le réalisme visuel : aperçus de l'infographie Évaluation : 0 sur 5 étoiles0 évaluationInfographie tridimensionnelle: Explorer l'intersection de la vision et des mondes virtuels Évaluation : 0 sur 5 étoiles0 évaluationVision industrielle: Aperçu du monde de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationConception & Modélisation CAO: Le guide ultime du débutant Évaluation : 5 sur 5 étoiles5/5Caméra intelligente: Révolutionner la perception visuelle avec la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationMatrice fondamentale de la vision par ordinateur: S'il vous plaît, suggérez un sous-titre pour un livre intitulé « Matrice fondamentale de la vision par ordinateur » dans le domaine de la « Vision par ordinateur ». Le sous-titre suggéré ne doit pas contenir de ':'. Évaluation : 0 sur 5 étoiles0 évaluationL'art de la création d'images avec l'IA : Techniques, applications et défis éthiques Évaluation : 0 sur 5 étoiles0 évaluationConception & Modélisation CAO: Le guide ultime du débutant Évaluation : 0 sur 5 étoiles0 évaluationInitiation à l'écosytème Hadoop Évaluation : 5 sur 5 étoiles5/5Système de reconnaissance faciale: Libérer la puissance de l’intelligence visuelle Évaluation : 0 sur 5 étoiles0 évaluationRéalité augmentée: Explorer les frontières de la vision par ordinateur en réalité augmentée Évaluation : 0 sur 5 étoiles0 évaluationMaîtriser les applications Évaluation : 2 sur 5 étoiles2/5Fusion 360 Projets de conception CAO Partie I: 10 projets de conception CAO de niveau facile à moyen expliqués pour les utilisateurs avancés Évaluation : 0 sur 5 étoiles0 évaluationFusion 360 | étape par étape: Conception CAO, Simulation FEM & FAO pour les débutants. Évaluation : 0 sur 5 étoiles0 évaluationPhotographe 2.0: Comment promouvoir et vendre des photos sur Internet grâce aux agences de microstock et de photostock Évaluation : 0 sur 5 étoiles0 évaluationTravailler dans le Big Data - les 6 métiers vers lesquels s'orienter Évaluation : 5 sur 5 étoiles5/5Agile & Scrum Évaluation : 0 sur 5 étoiles0 évaluationModèle de sac de mots: Libérer l'intelligence visuelle avec un sac de mots Évaluation : 0 sur 5 étoiles0 évaluationGestion de projet Agile pour débutants Évaluation : 5 sur 5 étoiles5/5
Intelligence (IA) et sémantique pour vous
Le guide du hacker : le guide simplifié du débutant pour apprendre les bases du hacking avec Kali Linux Évaluation : 5 sur 5 étoiles5/5Résumé Chatgpt ia Revolution in 2023: Guide de la Technologie Chatgpt et de son Impact Social Évaluation : 0 sur 5 étoiles0 évaluationComment Réussir sur Facebook en utilisant ChatGPT: Le pouvoir de ChatGPT : découvrez comment il peut transformer votre stratégie sur Facebook Évaluation : 0 sur 5 étoiles0 évaluationLimites, dangers et menaces de l'Intelligence Artificielle: Un outil sans maîtrises Évaluation : 0 sur 5 étoiles0 évaluationMaîtriser ChatGPT : Libérez la puissance de l'IA pour améliorer la communication et les relations: French Évaluation : 0 sur 5 étoiles0 évaluationMaîtrisez ChatGPT : Du débutant à l'expert - Guide pratique pour exploiter la puissance de l'IA conversationnelle Évaluation : 0 sur 5 étoiles0 évaluationChat GPT : Comment ça fonctionne et comment gagner avec l'utilisation de la technologie d'Intelligence Artificielle Évaluation : 0 sur 5 étoiles0 évaluationL'art de la création d'images avec l'IA : Techniques, applications et défis éthiques Évaluation : 0 sur 5 étoiles0 évaluationIA dans les Affaires: Guide Pratique de l'Utilisation de l'Intelligence Artificielle dans Divers Secteurs Évaluation : 0 sur 5 étoiles0 évaluationAI Limits, Dangers and Threats: A tool without Mastery Évaluation : 0 sur 5 étoiles0 évaluationL’Empathie au Cœur de l’Intelligence Artificielle, Comment insérer de l’empathie dans les affaires et l’intelligence artificielle Évaluation : 0 sur 5 étoiles0 évaluationMonétisation ChatGPT : Exploitez la Puissance de l'IA: ChatGPT Évaluation : 0 sur 5 étoiles0 évaluationL'intelligence mixte, vers une nouvelle forme d'intelligence Évaluation : 0 sur 5 étoiles0 évaluationLa prophétie des anciens: Roman dystopique Évaluation : 0 sur 5 étoiles0 évaluationOsons l'IA à l'école: Préparons nos jeunes à la révolution de l'intelligence artificielle Évaluation : 0 sur 5 étoiles0 évaluationIntelligence artificielle: la quatrième révolution industrielle Évaluation : 0 sur 5 étoiles0 évaluationTravailler dans le Big Data - les 6 métiers vers lesquels s'orienter Évaluation : 5 sur 5 étoiles5/5Histoire et évolution de l'Intelligence Artificielle Évaluation : 5 sur 5 étoiles5/5
Avis sur Recherche d'image inversée
0 notation0 avis
Aperçu du livre
Recherche d'image inversée - Fouad Sabry
Chapitre 1 : Recherche d'image inversée
L'exemple d'image est très utile à des fins de recherche d'informations dans la recherche d'image inversée, qui est une technique de requête de récupération d'image basée sur le contenu (CBIR) qui consiste à fournir au système CBIR une image sur laquelle baser sa recherche. L'absence de termes de recherche est particulièrement perceptible dans la recherche d'images inversée. Par conséquent, l'utilisateur n'est plus obligé de saisir aveuglément des mots-clés ou des termes dans l'espoir qu'ils donneront les résultats souhaités. Les utilisateurs peuvent utiliser la recherche d'image inversée pour trouver des résultats pertinents pour une image téléchargée, l'utilisation d'une recherche d'image inversée pourrait :
Découvrez où une photo a été prise.
Obtenez des images de meilleure qualité.
Localisez les URL des pages qui présentent l'image.
Localisez la source du contenu.
En savoir plus sur une photo que vous avez vue.
Les algorithmes permettant d'effectuer une recherche inversée sur une image sont les suivants :
Extraction d'entités locales d'image à l'aide d'une transformation d'entité invariante à l'échelle
Stabilité maximale aux extrémités
Arbre de vocabulaire
Yandex Images fournit une recherche inversée d'images et de photos pour le monde entier. En plus de la technologie commune de récupération d'images basées sur le contenu (CBIR), le site utilise également une technologie basée sur l'intelligence artificielle pour trouver des résultats connexes en fonction de la requête de l'utilisateur. Les utilisateurs peuvent rechercher sur le Web d'autres images similaires à celle qu'ils ont glissée et déposée dans la barre d'outils du site. Yandex Images recherche non seulement les sites de médias sociaux les plus populaires, mais aussi certains moins connus, offrant aux propriétaires de contenu un moyen de surveiller la propagation des images et des photos volées.
En téléchargeant une image ou en collant l'URL de l'image, les utilisateurs peuvent effectuer une recherche d'image inversée à l'aide de la fonction de recherche par image de Google. Google est en mesure de le faire parce qu'il examine l'image soumise et en crée un modèle mathématique. L'image est ensuite comparée à celles déjà stockées dans la base de données de Google pour déterminer s'il existe des correspondances. Google utilise également les métadonnées d'image telles que la description lorsqu'elles sont disponibles. Même si Google Lens est devenu le principal outil de recherche visuelle de la plateforme à partir de 2022, l'ancienne fonctionnalité de recherche par image est toujours accessible depuis Lens.
TinEye est un moteur de recherche d'images qui fonctionne à l'envers. Afin de comparer les images soumises à celles déjà présentes dans sa base de données, TinEye génère une « signature numérique ou empreinte digitale unique et compacte » pour chaque image.
Pixsy est un moteur de recherche d'images inversées qui permet de trouver des images similaires.
Le ShopBot eBay peut rechercher des objets dans une image téléchargée à l'aide de la recherche d'image inversée. Pour la reconnaissance des catégories, eBay utilise un réseau ResNet-50 ; Google Bigtable est utilisé pour stocker les hachages d'images ; Les tâches Apache Spark sont gérées par Google Cloud Dataproc ; et Kubernetes est utilisé pour déployer le service de classement d'images d'eBay.
Le site Web de commerce électronique de SK Planet peut effectuer une recherche d'image inversée pour localiser des vêtements similaires. TensorFlow inception-v3 a été utilisé pour construire un réseau d'encodeurs de vision optimisé pour la vitesse de convergence et de généralisation dans les environnements de production. R-CNN plus rapide est utilisé pour la détection des régions d'intérêt dans l'industrie de la mode, et un réseau neuronal récurrent est utilisé pour la classification multi-classes. En moins d'une centaine de mois-homme, SK Planet a pu développer un système de recherche d'images inversées.
L'application Pailitao d'Alibaba est apparue pour la première fois en 2014.
Pailitao (chinois : 拍立淘, La fonctionnalité, qui se traduit par « faire du shopping avec un appareil photo », permet aux utilisateurs d'effectuer des recherches de produits sur la plate-forme commerciale électronique d'Alibaba en prenant une photo de l'article souhaité.
Avec un modèle CNN profond avec des branches pour la détection conjointe et l'apprentissage des caractéristiques, l'application Pailitao est capable d'isoler le masque de détection et la fonction discriminative précise du bruit.
Pour la prédiction des catégories et l'apprentissage des caractéristiques, GoogLeNet V1 est utilisé comme modèle fondamental.
En 2014, Pinterest a acheté la start-up de recherche visuelle VisualGraph et a intégré la fonctionnalité dans son propre produit.
Lors de la conférence Middleware '18, JD.com dévoilé le fonctionnement interne de son système de recherche visuelle en temps réel. Les algorithmes utilisés par le système d'extraction, d'indexation et de récupération de caractéristiques hiérarchiques d'images distribuées des 300 millions d'utilisateurs actifs quotidiens de JD sont au centre de l'article évalué par des pairs. En 2018, lorsque le système a été mis en service, il était capable de gérer 80 millions de mises à jour de bases de données par