Recherche d'image inversée: Percer les secrets de la reconnaissance visuelle

Par Fouad Sabry

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.

 

 

• Langue: Français
• Éditeur: Un Milliard De Personnes Informées [French]
• Date de sortie: 5 mai 2024

Aperçu du livre

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