Obrázky GoogleEdit

Vyhledávání podle obrázků Google je funkce, která využívá zpětné vyhledávání obrázků a umožňuje uživatelům vyhledávat související obrázky pouhým nahráním obrázku nebo adresy URL obrázku. Google toho dosahuje analýzou odeslaného obrázku a sestavením jeho matematického modelu pomocí pokročilých algoritmů. Poté je porovnán s miliardami dalších obrázků v databázích společnosti Google a následně jsou vráceny shodné a podobné výsledky. Pokud jsou k dispozici, používá Google také metadata o obrázku, například popis.

TinEyeEdit

TinEye je vyhledávač specializovaný na reverzní vyhledávání obrázků. Po odeslání obrázku vytvoří TinEye „jedinečný a kompaktní digitální podpis nebo otisk prstu“ uvedeného obrázku a porovná jej s ostatními indexovanými obrázky. Tento postup dokáže porovnat i velmi upravené verze odeslaného obrázku, ale ve výsledcích obvykle nevrátí podobné obrázky.

PixsyEdit

Technologie reverzního vyhledávání obrázků Pixsy zjišťuje shody obrázků na veřejném internetu pro obrázky nahrané na platformu Pixsy. Nové shody jsou automaticky detekovány a uživateli jsou zasílána upozornění. V případě neoprávněného použití nabízí Pixsy službu vymáhání náhrady za komerční použití díla majitele obrázku. Společnost Pixsy spolupracuje s více než 25 právnickými firmami a advokáty po celém světě, kteří řeší případy porušení autorských práv. Pixsy je strategická služba sledování obrázků pro platformu Flickr a uživatele.

eBayEdit

eBay ShopBot používá reverzní vyhledávání obrázků k nalezení produktů podle fotografie nahrané uživatelem. eBay používá síť ResNet-50 pro rozpoznávání kategorií, hashe obrázků jsou uloženy v tabulce Google Bigtable; úlohy Apache Spark provozuje Google Cloud Dataproc pro extrakci hashů obrázků a služba pro řazení obrázků je nasazena pomocí Kubernetes.

SK PlanetEdit

SK Planet používá reverzní vyhledávání obrázků k vyhledávání souvisejících módních položek na svých webových stránkách elektronického obchodu. Vyvinula síť pro kódování vidění založenou na inception-v3 TensorFlow s rychlostí konvergence a zobecněním pro produkční použití. Pro klasifikaci více tříd se používá rekurentní neuronová síť a detekce oblasti zájmu módních produktů je založena na Faster R-CNN. Systém reverzního vyhledávání obrázků SK Planet je vytvořen za méně než 100 člověkoměsíců.

AlibabaEdit

Alibaba vydala aplikaci Pailitao v průběhu roku 2014. Pailitao (čínsky: 拍立淘, doslova znamená nakupování prostřednictvím fotoaparátu) umožňuje uživatelům vyhledávat zboží na e-komerční platformě Alibaba vyfocením dotazovaného předmětu. Aplikace Pailitao využívá hluboký model CNN s větvemi pro společnou detekci a učení příznaků, aby objevila detekční masku a přesný diskriminační příznak bez rušivých vlivů pozadí. Jako základní model pro predikci kategorií a učení příznaků je použit GoogLeNet V1.

PinterestEdit

Pinterest v roce 2014 koupil startupovou společnost VisualGraph a zavedl na své platformě vizuální vyhledávání. V roce 2015 Pinterest zveřejnil příspěvek na konferenci ACM Conference on Knowledge Discovery and Data Mining a zveřejnil architekturu systému. Pipeline využívá Apache Hadoop, open-source framework konvoluční neuronové sítě Caffe, Cascading pro dávkové zpracování, PinLater pro zasílání zpráv a Apache HBase pro ukládání dat. Z uživatelských nahrávek jsou extrahovány charakteristiky obrázků, včetně lokálních rysů, hlubokých rysů, význačných barevných signatur a význačných pixelů. Systém je provozován na platformě Amazon EC2 a ke zpracování denního nahrávání obrázků na Pinterest vyžaduje pouze cluster 5 instancí GPU. Pomocí reverzního vyhledávání obrázků je Pinterest schopen extrahovat vizuální rysy z módních objektů (např. boty, šaty, brýle, kabelka, hodinky, kalhoty, šortky, bikiny, náušnice) a nabízet doporučení produktů, které vypadají podobně.

LykDatEdit

LykDat používá reverzní vyhledávání obrázků k vyhledávání módních produktů v různých internetových obchodech na webu. LykDat také poskytuje bota pro Twitter, který pomáhá uživatelům provádět reverzní vyhledávání obrázků z fotografií, které najdou v rámci Twitteru.

JD.comEdit

JD.com na konferenci Middleware ’18 zveřejnil návrh a implementaci svého systému vizuálního vyhledávání v reálném čase. Recenzovaný příspěvek se zaměřuje na algoritmy používané distribuovaným hierarchickým systémem extrakce, indexování a vyhledávání obrazových prvků společnosti JD, který má 300 milionů aktivních uživatelů denně. Při produkčním nasazení v roce 2018 byl systém schopen udržet 80 milionů aktualizací své databáze za hodinu.