逆画像検索
Google ImagesEdit
GoogleのSearch by Imageは、逆画像検索を利用した機能で、画像や画像URLをアップロードするだけで関連画像を検索することができるものです。 Googleは、送信された画像を分析し、高度なアルゴリズムを用いてその数学的モデルを構築することによってこれを実現しています。 その後、Googleのデータベースにある何十億もの他の画像と比較され、一致する、あるいは類似する結果が返される。 8192>
TinEyeEdit
TinEye は、画像の逆引きに特化した検索エンジンである。 画像を送信すると、その画像の「ユニークでコンパクトなデジタル署名またはフィンガープリント」を作成し、インデックス化された他の画像と照合します。 8192>
PixsyEdit
Pixsy 逆画像検索技術は、Pixsy プラットフォームにアップロードされた画像について、公共のインターネット上で画像の一致を検出するものです。 新しいマッチングが自動的に検出され、ユーザーにアラートが送信されます。 不正使用に対しては、画像所有者の作品を商業利用するための補償回復サービスを提供しています。 Pixsyは世界中の25以上の法律事務所や弁護士と提携し、著作権侵害の解決に取り組んでいます。 Pixsyは、Flickrプラットフォームとユーザーのための戦略的イメージ監視サービスです。
eBayEdit
eBay ShopBotは逆イメージ検索を使って、ユーザーがアップロードした写真から製品を探します。 eBayはカテゴリ認識にResNet-50ネットワークを使用し、画像ハッシュはGoogle Bigtableに保存され、画像ハッシュ抽出のためのApache SparkジョブはGoogle Cloud Dataprocによって運用され、画像ランキングサービスはKubernetesによってデプロイされる。
SK PlanetEdit
SK PlanetはEコマースのウェブサイトで関連ファッションアイテムを探すために逆イメージサーチを使用しています。 TensorFlow inception-v3をベースに、本番利用を想定した収束の速さと汎化性を備えたビジョンエンコーダネットワークを開発したとのこと。 多クラス分類にはリカレントニューラルネットワークを使用し、ファッション商品の関心領域検出にはFaster R-CNNを使用しています。 SK Planetの逆引き画像検索システムは100人月未満で構築されている
AlibabaEdit
Alibabaは2014年中にPailitaoアプリケーションをリリースしました。 Pailitao（中国語：拍立淘、文字通りカメラを通して買い物をするという意味）は、ユーザーが問い合わせ対象物の写真を撮ることで、アリババのEコマースプラットフォーム上で商品を検索することができる。 Pailitaoアプリケーションは、背景の乱れなしに検出マスクと正確な識別特徴を発見するために、共同検出と特徴学習のための枝を持つ深層CNNモデルを使用しています。 GoogLeNet V1は、カテゴリ予測と特徴学習のためのベースモデルとして採用されている。
PinterestEdit
Pinterest は2014年にスタートアップ企業 VisualGraph を買収し、そのプラットフォームで視覚検索を導入しています。 2015年、PinterestはACM Conference on Knowledge Discovery and Data Miningカンファレンスで論文を発表し、システムのアーキテクチャを公開した。 このパイプラインは、Apache Hadoop、オープンソースの畳み込みニューラルネットワークフレームワークCaffe、バッチ処理にCascading、メッセージングにPinLater、ストレージにApache HBaseを使用しています。 ユーザーのアップロードした画像から、局所特徴、深層特徴、顕著なカラーサイン、顕著なピクセルなどの画像特性を抽出する。 システムはAmazon EC2で運用され、5つのGPUインスタンスのクラスタのみで、Pinterestに毎日アップロードされる画像を処理することができます。 逆画像検索を使用することにより、Pinterestはファッションオブジェクト（例：靴、ドレス、眼鏡、バッグ、時計、パンツ、ショーツ、ビキニ、イヤリング）から視覚的特徴を抽出し、似ている商品を推薦することができる。
LykDatEdit
LykDat は逆画像検索を使ってWeb上の様々なオンラインストアでファッション製品を検索する。 また、LykDatは、ユーザーがTwitter内で見つけた写真の逆イメージ検索を実行するのに役立つTwitterボットを提供しています。
JD.comEdit
JD.com は Middleware ’18 conference でリアルタイム視覚検索システムの設計と実装を発表しました。 査読付き論文は、毎日3億人のアクティブユーザーを持つJDの分散型階層型画像特徴抽出、索引付け、検索システムで使用されるアルゴリズムに焦点を当てたものである。 このシステムは、2018年に本番展開された際、1時間あたり8000万件のデータベースへの更新を維持することができました
。