छवि खोज - Google और बहुत कुछ

सबसे पहले, कुछ सामान्य शब्द कि आप छवि द्वारा खोज को कैसे व्यवस्थित कर सकते हैं।
आदर्श रूप से, हम एक ऐसी प्रणाली चाहते हैं जो चित्र की सामग्री का विश्लेषण कर सके, यह निर्धारित कर सके कि कोई घर, झील या बिल्ली का बच्चा बिल्ली के बच्चे के साथ है, ठीक है, जिस तरह से, पहचानी गई वस्तुओं की विभिन्न विशेषताओं को याद रखें - जैसे रंग, आकार, सापेक्ष स्थिति - और फिर इसके लिए खोजें जानकारी। लेकिन, दुर्भाग्य से, आज यह निश्चित रूप से असंभव है। कम से कम, ऐसी कोई विधि नहीं है जो आपको वास्तविक दुनिया की वस्तुओं को चित्रों में मज़बूती से उजागर करने की अनुमति दे।
इसलिए, किसी भी प्रणाली को कम बुद्धिमान संकेतों का विश्लेषण करने के लिए मजबूर किया जाता है, और ये संकेत कई अलग-अलग प्रकार के हो सकते हैं:

सीमाओं

कई सीमा आवंटन एल्गोरिदम हैं, वे काफी अच्छी तरह से और मज़बूती से काम करते हैं, उनके साथ मुख्य समस्या यह है कि आवंटन के बाद, यह अभी भी स्पष्ट नहीं है कि उनके साथ क्या करना है। आप सीमाओं के सापेक्ष क्षेत्र की गणना कर सकते हैं - आदर्श रूप से, यह कह सकते हैं, "pockmarked" छवि, या "फ्लैट" है, लेकिन व्यवहार में यह पता चलता है कि यह मानदंड खराब काम करता है। आप सीमाओं की छवि के फूरियर छवि को देखने की कोशिश कर सकते हैं - यह हमें बता सकता है कि क्या छवि ने आवधिक रूप से उच्चारण किया है। लेकिन फिर भी, इस तरह की जानकारी बहुत कमजोर रूप से विशेषता है कि चित्र को नेत्रहीन कैसे माना जाएगा। इसलिए, संकेतों का यह वर्ग केवल गहन सहायक के रूप में काम कर सकता है।

बनावट

एक बनावट एक छवि का एक क्षेत्र है जहां आसन्न बिंदुओं के बीच चमक और रंग में महत्वपूर्ण अंतर हो सकते हैं, लेकिन जिसे नेत्रहीन एक सजातीय क्षेत्र (उदाहरण के लिए, घास, पानी की सतह, आदि) के रूप में माना जाता है। ऐसी कई विधियां हैं जो इसे कम या ज्यादा अच्छी तरह से बनावट के बीच की सीमाओं को भेदना संभव बनाती हैं (कुछ उदाहरण यहां हैं: matlab.exponenta.ru/imageprocess/book2/55.php ), और यद्यपि वे काफी व्यावसायिक रूप से महंगे हैं, फिर भी वे व्यवहार में उपयोग किए जा सकते हैं। सवाल बल्कि अलग है - इस जानकारी के साथ क्या करना है? वास्तव में, यह सीमाओं के रूप में सुविधाओं का एक ही सेट दे सकता है - एक विचार है कि छवि कितनी समान रूप से समान है - केवल, एक अर्थ में, बेहतर। तदनुसार, ये संकेत केवल माध्यमिक हो सकते हैं, हालांकि उनका मूल्य कुछ बड़ा है।

SIFT- जैसा हस्ताक्षर

SIFT (स्केल-इनवेरिएंट फ़ीचर ट्रांस्फ़ॉर्म) विधि छवि पर नियंत्रण बिंदुओं के एक सेट का चयन करती है (मोटे तौर पर उन जगहों पर, जहां छवि की दूसरी व्युत्पत्ति स्थानीय मैक्सिमा तक पहुंचती है - लेकिन कड़ाई से बोलना, सब कुछ अधिक जटिल है) और तस्वीर की विशेषता के रूप में नियंत्रण बिंदुओं की सापेक्ष स्थिति का उपयोग करता है। इस पद्धति में कई भिन्नताएं हैं (मुख्य रूप से नियंत्रण बिंदुओं के चयन के अन्य तरीकों से संबंधित)। तरीकों का यह समूह यह पता लगाने के लिए बहुत अच्छा है कि क्या एक छवि दूसरे की विकृत प्रति है - हालांकि, दो मौलिक अलग-अलग की समानता को निर्धारित करने के लिए, समान रूप से समान चित्रों को देखते हुए, विधि अनुपयुक्त है (उदाहरण के लिए, अलग-अलग पोज़ में एक ही बिल्ली के बच्चे की दो तस्वीरें आम तौर पर बहुत कम होंगी। इस तरह के तरीके)। इसलिए, खोज प्रणाली में, यह केवल यह निर्धारित करने की भूमिका निभा सकता है कि क्या डेटाबेस में वांछित छवि का एक संशोधन है, लेकिन किसी अन्य अर्थ में ऐसा नहीं मिल सकता है।

रंग

रंग शायद विश्लेषण के लिए सबसे महत्वपूर्ण विशेषता है - क्योंकि सबसे पहले, यह नेत्रहीन एक बहुत महत्वपूर्ण संकेत है। और दूसरी बात, छवि के माध्यम से जाना और यह पता लगाना बहुत आसान है कि कौन से रंग सबसे अधिक बार पाए जाते हैं। इसके अलावा, यह पता चला है कि प्राथमिक रंगों की अधिकांश वास्तविक छवियों के लिए, आमतौर पर 6-7 से अधिक नहीं, और अक्सर 3-4। यह आवश्यक है - क्योंकि इतनी कम संख्या में संकेतों के साथ, छवियों के डेटाबेस में एक खोज को html पृष्ठों के डेटाबेस में खोज की तुलना में तेजी से महसूस किया जा सकता है।

मेटा जानकारी
और निश्चित रूप से, हमें यह नहीं भूलना चाहिए कि नेटवर्क पर अधिकांश चित्र ऐसे ही नहीं हैं - वे या तो फोटो एल्बम में नाम और टिप्पणियों के साथ आयोजित किए जाते हैं, या कुछ ग्रंथों के लिए चित्र हैं, या यहां तक ​​कि विस्तृत कैप्शन और यहां तक ​​कि तैयार किए गए टैग भी हैं। एक पूर्ण-विकसित खोज प्रणाली, निश्चित रूप से, इस जानकारी का सबसे अधिक निचोड़ करना चाहिए ताकि चित्र डेटाबेस को व्यवस्थित रूप से तैयार किया जा सके - चूंकि यह छवि का विश्लेषण करके नहीं किया जा सकता है, आपको इसके लिए वर्कअराउंड द्वारा प्रयास करना चाहिए।

अब google के बारे में
वास्तविक Google खोज का विश्लेषण करते हुए, यह पता लगाना आसान है कि वह जो पहली चीज़ करने की कोशिश कर रहा है, वह "लोकप्रिय चित्रों" के अपने डेटाबेस में एक समान छवि ढूंढ रहा है (उदाहरण के लिए, इसमें विकिपीडिया से चित्र शामिल हैं)। जाहिर है, कुछ SIFT जैसी विधि का उपयोग किया जाता है - क्योंकि रंग सुधार के साथ इसे भ्रमित करने के मेरे प्रयासों ने कोई परिणाम नहीं दिया (नीले रंग को बदलने के लिए-> हरा, और अन्य रंग समान हैं), हालांकि, परिवर्तित अनुपात के साथ छवि, केवल 20% द्वारा क्षैतिज रूप से संकुचित, इस पद्धति ने पहचान नहीं की।
यदि छवि लोकप्रिय डेटाबेस में पाई जाती है, तो Google अपना संदर्भ बढ़ाता है, और इस संदर्भ के आधार पर समान प्रदर्शित करता है।

सबसे दिलचस्प बात यह शुरू होती है अगर छवि को "मान्यता प्राप्त" नहीं किया गया था। इस मामले में, Google "नेत्रहीन समान" छवियों का एक सेट प्रदान करता है - और प्रयोगात्मक रूप से यह पता लगाना आसान है कि उनमें समानता का प्रमुख संकेत छवि में मौजूद रंगों का एक सेट है, जिस क्षेत्र पर उनका कब्जा है, इस बात को ध्यान में रखते हुए - संभवतः बनावट या सीमाओं के बारे में कुछ जानकारी के साथ पूरक। लेकिन कुंजी निश्चित रूप से रंग है।