Google ImagesEdit

La recherche par image de Google est une fonctionnalité qui utilise la recherche d’image inversée et permet aux utilisateurs de rechercher des images connexes simplement en téléchargeant une image ou une URL d’image. Google y parvient en analysant l’image soumise et en construisant un modèle mathématique de celle-ci à l’aide d’algorithmes avancés. Elle est ensuite comparée à des milliards d’autres images dans les bases de données de Google avant de renvoyer des résultats correspondants et similaires. Lorsqu’elles sont disponibles, Google utilise également des métadonnées sur l’image, comme la description.

TinEyeEdit

TinEye est un moteur de recherche spécialisé dans la recherche inversée d’images. Lors de la soumission d’une image, TinEye crée une « signature numérique ou empreinte digitale unique et compacte » de ladite image et la fait correspondre à d’autres images indexées. Cette procédure est capable de faire correspondre même des versions très éditées de l’image soumise, mais ne renvoie généralement pas d’images similaires dans les résultats.

PixsyEdit

La technologie de recherche inversée d’images Pixsy détecte les correspondances d’images sur l’internet public pour les images téléchargées sur la plateforme Pixsy. Les nouvelles correspondances sont automatiquement détectées et des alertes sont envoyées à l’utilisateur. En cas d’utilisation non autorisée, Pixsy propose un service de récupération de compensation pour l’utilisation commerciale de l’œuvre des propriétaires de l’image. Pixsy travaille en partenariat avec plus de 25 cabinets d’avocats et de juristes dans le monde entier pour résoudre les problèmes de violation des droits d’auteur. Pixsy est le service stratégique de surveillance des images pour la plateforme et l’utilisateur Flickr.

eBayEdit

eBay ShopBot utilise la recherche inversée d’images pour trouver des produits par une photo téléchargée par un utilisateur. eBay utilise un réseau ResNet-50 pour la reconnaissance des catégories, les hachages d’images sont stockés dans Google Bigtable ; des travaux Apache Spark sont exploités par Google Cloud Dataproc pour l’extraction des hachages d’images ; et le service de classement des images est déployé par Kubernetes.

SK PlanetEdit

SK Planet utilise la recherche d’images inversée pour trouver des articles de mode connexes sur son site Web de commerce électronique. Elle a développé le réseau d’encodage de vision basé sur le TensorFlow inception-v3, avec une vitesse de convergence et de généralisation pour une utilisation en production. Un réseau neuronal récurrent est utilisé pour la classification multi-classes, et la détection des régions d’intérêt des produits de mode est basée sur Faster R-CNN. Le système de recherche d’images inversées de SK Planet est construit en moins de 100 mois-homme.

AlibabaEdit

Alibaba a publié l’application Pailitao au cours de l’année 2014. Pailitao (en chinois : 拍立淘, signifie littéralement « faire du shopping avec un appareil photo ») permet aux utilisateurs de rechercher des articles sur la plateforme de commerce électronique d’Alibaba en prenant une photo de l’objet de la requête. L’application Pailitao utilise un modèle CNN profond avec des branches pour la détection conjointe et l’apprentissage de caractéristiques pour découvrir le masque de détection et la caractéristique discriminante exacte sans perturbation du fond. GoogLeNet V1 est employé comme modèle de base pour la prédiction des catégories et l’apprentissage des caractéristiques.

PinterestEdit

Pinterest a acquis la startup VisualGraph en 2014 et a introduit la recherche visuelle sur sa plateforme. En 2015, Pinterest a publié un article lors de la conférence ACM Conference on Knowledge Discovery and Data Mining et a divulgué l’architecture du système. Le pipeline utilise Apache Hadoop, le framework open-source de réseau neuronal convolutif Caffe, Cascading pour le traitement par lots, PinLater pour la messagerie et Apache HBase pour le stockage. Les caractéristiques des images, notamment les caractéristiques locales, les caractéristiques profondes, les signatures de couleurs saillantes et les pixels saillants, sont extraites des téléchargements des utilisateurs. Le système est exploité par Amazon EC2 et ne nécessite qu’un cluster de 5 instances GPU pour traiter les téléchargements quotidiens d’images sur Pinterest. En utilisant la recherche d’images inversée, Pinterest est capable d’extraire les caractéristiques visuelles des objets de mode (par exemple, chaussures, robe, lunettes, sac, montre, pantalon, short, bikini, boucles d’oreilles) et de proposer des recommandations de produits qui semblent similaires.

LykDatEdit

LykDat utilise la recherche d’images inversée pour trouver des produits de mode à travers divers magasins en ligne sur le web. LykDat fournit également un bot Twitter qui aide les utilisateurs à effectuer des recherches d’images inversées de photos qu’ils trouvent au sein de Twitter.

JD.comEdit

JD.com a divulgué la conception et la mise en œuvre de son système de recherche visuelle en temps réel lors de la conférence Middleware ’18. L’article évalué par des pairs se concentre sur les algorithmes utilisés par le système hiérarchique distribué d’extraction, d’indexation et de recherche de caractéristiques d’images de JD, qui compte 300 millions d’utilisateurs actifs quotidiens. Le système a pu soutenir 80 millions de mises à jour de sa base de données par heure lorsqu’il a été déployé en production en 2018.