Google ImagesEdit

Google’s Search by Image to funkcja, która wykorzystuje odwrotne wyszukiwanie obrazów i pozwala użytkownikom wyszukiwać powiązane obrazy tylko przez przesłanie obrazu lub adresu URL obrazu. Google osiąga to analizując przesłany obraz i konstruując jego model matematyczny przy użyciu zaawansowanych algorytmów. Jest on następnie porównywany z miliardami innych obrazów w bazach danych Google, a następnie zwracane są pasujące i podobne wyniki. Jeśli są dostępne, Google wykorzystuje również metadane o obrazie, takie jak opis.

TinEyeEdit

TinEye to wyszukiwarka specjalizująca się w odwrotnym wyszukiwaniu obrazów. Po przesłaniu obrazu, TinEye tworzy „unikalny i kompaktowy podpis cyfrowy lub odcisk palca” wspomnianego obrazu i dopasowuje go do innych zindeksowanych obrazów. Ta procedura jest w stanie dopasować nawet bardzo edytowane wersje przesłanego obrazu, ale zazwyczaj nie zwraca podobnych obrazów w wynikach.

PixsyEdit

Technologia odwrotnego wyszukiwania obrazów Pixsy wykrywa dopasowania obrazów w publicznym Internecie dla obrazów przesłanych na platformę Pixsy. Nowe dopasowania są automatycznie wykrywane, a alerty wysyłane do użytkownika. W przypadku nieuprawnionego użycia, Pixsy oferuje usługę odzyskiwania rekompensaty za komercyjne wykorzystanie pracy właściciela obrazu. Pixsy współpracuje z ponad 25 kancelariami prawnymi i adwokatami na całym świecie, aby doprowadzić do rozwiązania problemu naruszenia praw autorskich. Pixsy jest strategiczną usługą monitorowania obrazu dla platformy Flickr i użytkownika.

eBayEdit

eBay ShopBot używa odwrotnego wyszukiwania obrazu, aby znaleźć produkty według zdjęcia przesłanego przez użytkownika. eBay używa sieci ResNet-50 do rozpoznawania kategorii, skrót obrazu jest przechowywany w Google Bigtable; zadania Apache Spark są obsługiwane przez Google Cloud Dataproc do ekstrakcji skrótów obrazu; a usługa rankingu obrazów jest wdrażana przez Kubernetes.

SK PlanetEdit

SK Planet używa odwrotnego wyszukiwania obrazu do znajdowania powiązanych elementów mody na swojej stronie e-commerce. Opracowała sieć kodera wizji w oparciu o TensorFlow inception-v3, z szybkością konwergencji i generalizacji do użytku produkcyjnego. Sieć neuronowa rekurencyjna jest używana do klasyfikacji wieloklasowej, a wykrywanie regionu zainteresowania produktów mody jest oparte na szybszej sieci R-CNN. System odwrotnego wyszukiwania obrazów SK Planet został zbudowany w czasie krótszym niż 100 osobo-miesięcy.

AlibabaEdit

Alibaba wydała aplikację Pailitao w 2014 roku. Pailitao (chiński: 拍立淘, dosłownie oznacza zakupy przez aparat) pozwala użytkownikom wyszukiwać przedmioty na platformie e-handlowej Alibaba poprzez zrobienie zdjęcia obiektu zapytania. Aplikacja Pailitao wykorzystuje głęboki model CNN z gałęziami do wspólnego wykrywania i uczenia się cech, aby odkryć maskę wykrywania i dokładną cechę dyskryminacyjną bez zakłóceń tła. GoogLeNet V1 jest zatrudniony jako model bazowy do przewidywania kategorii i uczenia się cech.

PinterestEdit

Pinterest nabył firmę startupową VisualGraph w 2014 roku i wprowadził wyszukiwanie wizualne na swojej platformie. W 2015 roku Pinterest opublikował pracę na konferencji ACM Conference on Knowledge Discovery and Data Mining i ujawnił architekturę systemu. Potok wykorzystuje Apache Hadoop, open-source’owy framework Caffe convolutional neural network, Cascading do przetwarzania wsadowego, PinLater do przesyłania wiadomości oraz Apache HBase do przechowywania danych. Cechy obrazu, w tym cechy lokalne, cechy głębokie, istotne sygnatury kolorów i istotne piksele są wydobywane z obrazów przesłanych przez użytkowników. System jest obsługiwany przez Amazon EC2 i wymaga jedynie klastra 5 instancji GPU, aby obsłużyć codzienne przesyłanie zdjęć na Pinterest. Dzięki wykorzystaniu odwrotnego wyszukiwania obrazu, Pinterest jest w stanie wyodrębnić cechy wizualne z obiektów mody (np. buty, sukienka, okulary, torba, zegarek, spodnie, szorty, bikini, kolczyki) i zaoferować rekomendacje produktów, które wyglądają podobnie.

LykDatEdit

LykDat wykorzystuje odwrotne wyszukiwanie obrazu do wyszukiwania produktów mody w różnych sklepach internetowych w sieci. LykDat dostarcza również bota na Twittera, który pomaga użytkownikom w przeprowadzaniu odwrotnych wyszukiwań obrazów zdjęć, które znajdują na Twitterze.

JD.comEdit

JD.com ujawnił projekt i implementację swojego systemu wyszukiwania wizualnego w czasie rzeczywistym na konferencji Middleware ’18. Recenzowana praca skupia się na algorytmach wykorzystywanych przez rozproszony hierarchiczny system ekstrakcji cech obrazu, indeksowania i wyszukiwania JD, który ma 300 milionów codziennych aktywnych użytkowników. System był w stanie utrzymać 80 milionów aktualizacji swojej bazy danych na godzinę, gdy został wdrożony do produkcji w 2018 r.

.