Google ImagesEdit

Googles Search by Image är en funktion som använder omvänd bildsökning och gör det möjligt för användare att söka efter relaterade bilder genom att ladda upp en bild eller en URL till en bild. Google åstadkommer detta genom att analysera den inlämnade bilden och konstruera en matematisk modell av den med hjälp av avancerade algoritmer. Den jämförs sedan med miljarder andra bilder i Googles databaser innan den returnerar matchande och liknande resultat. När det finns tillgängligt använder Google även metadata om bilden, t.ex. beskrivning.

TinEyeEdit

TinEye är en sökmotor som är specialiserad på omvänd bildsökning. När en bild skickas in skapar TinEye en ”unik och kompakt digital signatur eller fingeravtryck” av bilden och matchar den med andra indexerade bilder. Detta förfarande kan matcha även mycket redigerade versioner av den inlämnade bilden, men ger vanligtvis inte liknande bilder i resultaten.

PixsyEdit

Pixsy reverse image search technology upptäcker bildmatchningar på det offentliga internet för bilder som laddats upp till Pixsy-plattformen. Nya matchningar upptäcks automatiskt och varningar skickas till användaren. Vid otillåten användning erbjuder Pixsy en tjänst för återvinning av ersättning för kommersiell användning av bildägarens arbete. Pixsy samarbetar med över 25 advokatbyråer och advokater runt om i världen för att lösa upphovsrättsintrång. Pixsy är den strategiska bildövervakningstjänsten för Flickr-plattformen och användaren.

eBayEdit

eBay ShopBot använder omvänd bildsökning för att hitta produkter med hjälp av ett foto som en användare laddat upp. eBay använder ett ResNet-50-nätverk för kategorigenkänning, bildhashar lagras i Google Bigtable, Apache Spark-jobb drivs av Google Cloud Dataproc för utvinning av bildhashar och tjänsten för bildrankning används av Kubernetes.

SK PlanetEdit

SK Planet använder omvänd bildsökning för att hitta relaterade modeartiklar på sin webbplats för e-handel. Det utvecklade visionskodningsnätverket baserat på TensorFlow inception-v3, med snabb konvergens och generalisering för produktionsanvändning. Ett återkommande neuralt nätverk används för klassificering av flera klasser, och detektering av intresseområden för modeprodukter baseras på Faster R-CNN. SK Planets system för omvänd bildsökning byggs på mindre än 100 manmånader.

AlibabaEdit

Alibaba släppte applikationen Pailitao under 2014. Pailitao (kinesiska: 拍立淘, betyder bokstavligen shopping genom en kamera) gör det möjligt för användare att söka efter varor på Alibabas e-handelsplattform genom att ta ett foto av det efterfrågade objektet. I Pailitao-applikationen används en djup CNN-modell med grenar för gemensam detektering och inlärning av funktioner för att upptäcka detektionsmasken och den exakta diskriminerande funktionen utan bakgrundsstörningar. GoogLeNet V1 används som basmodell för kategoriprediktion och funktionsinlärning.

PinterestEdit

Pinterest förvärvade det nystartade företaget VisualGraph 2014 och införde visuell sökning på sin plattform. År 2015 publicerade Pinterest en artikel på konferensen ACM Conference on Knowledge Discovery and Data Mining och avslöjade systemets arkitektur. Pipelinen använder Apache Hadoop, det konvolutionella neurala nätverksramverket Caffe med öppen källkod, Cascading för batchbehandling, PinLater för meddelandehantering och Apache HBase för lagring. Bildegenskaper, inklusive lokala egenskaper, djupa egenskaper, framträdande färgsignaturer och framträdande pixlar extraheras från användarnas uppladdningar. Systemet drivs av Amazon EC2 och kräver endast ett kluster med 5 GPU-instanser för att hantera dagliga bilduppladdningar till Pinterest. Genom att använda omvänd bildsökning kan Pinterest extrahera visuella egenskaper från modeobjekt (t.ex. skor, klänning, glasögon, väska, klocka, byxor, shorts, bikini, örhängen) och erbjuda produktrekommendationer som ser likadana ut.

LykDatEdit

LykDat använder omvänd bildsökning för att hitta modeprodukter i olika nätbutiker på webben. LykDat tillhandahåller också en Twitter-bot som hjälper användare att utföra omvända bildsökningar av foton som de hittar på Twitter.

JD.comEdit

JD.com avslöjade utformningen och genomförandet av sitt visuella söksystem i realtid på Middleware ’18-konferensen. Den kollegialt granskade artikeln fokuserar på de algoritmer som används av JD:s distribuerade hierarkiska system för extraktion, indexering och sökning av bildfunktioner, som har 300 miljoner dagligen aktiva användare. Systemet kunde upprätthålla 80 miljoner uppdateringar av sin databas per timme när det sattes i produktion 2018.