【以图搜图神器】谷歌是如何提升以图搜图的精准性的?
2019-04-27
字体:
大中小
浏览:
文章简介：谷歌再次对社交网络表现出浓厚的兴趣.但或许和消费者想象的有所不同,它并非又一个失败的聊天APP,也不是从未扣响成功的Google Plus,而是一种全新的人脸识别方式.在最新获得的专利"以社交网络为辅助的面部识别系统"中,尝试通过解析社交关系来更好的识别你的面部信息.[以图搜图神器]谷歌是如何提升以图搜图的精准性的?反向图像搜索的原理通常是提取图像中的视觉元素同其他照片进行匹配,通过情况下是所得到的结果是没有意义的,但只要照片的光线充足,并且分辨率足够高,谷歌往往能够获得正确的答案.这
谷歌再次对社交网络表现出浓厚的兴趣。但或许和消费者想象的有所不同,它并非又一个失败的聊天APP,也不是从未扣响成功的Google Plus,而是一种全新的人脸识别方式。在最新获得的专利“以社交网络为辅助的面部识别系统”中,尝试通过解析社交关系来更好的识别你的面部信息。
反向图像搜索的原理通常是提取图像中的视觉元素同其他照片进行匹配,通过情况下是所得到的结果是没有意义的,但只要照片的光线充足,并且分辨率足够高,谷歌往往能够获得正确的答案。
这个系统确实有效,但需要进一步的改进。目前所搜索的结果通常是半相关的,尤其是对于那些没有更多数据可供选择的人来说,往往无法获得匹配。例如从Facebook的中学毕业照中找出你的好友Katie,在使用该照片后系统往往只能返回Facebook账号。
不过在新系统中,人工智能不仅能通过视觉线索来识别面部信息,而且还能调用来自私人通信、社交网络、协作应用甚至是日历中的数据。用户以图片的形式输入“视觉查询”,然后系统使用高级图像识别技术来分析图像和外观,并会使用上述数据源进行潜在匹配。
Google目前的系统仅仅基于视觉线索进行匹配,而新系统会额外步骤来增强图像中人员的识别。其中包括你的籍贯、年龄、职业、和其他各种数据来源,Google会努力确保它会返回与你查询相关的图像,有些来自于你的社交网络,有些来自于其他协作应用中所提取的数据。
例如输入一张Amanda的照片,在进行常规的视觉线索匹配之外,系统还会调用你的链接、你在Facebook上的好友信息,以及她在你个人Twitter上的转发等数据,在综合这些数据之后Google会识别这样图片来告诉你照片中的人物是谁。
