TinEye es un motor de búsqueda de imágenes inversas desarrollado y ofrecido por Idée, Inc., una empresa con sede en Toronto, Ontario , Canadá. Es el primer motor de búsqueda de imágenes en la web que utiliza tecnología de identificación de imágenes en lugar de palabras clave, metadatos o marcas de agua . [1] TinEye permite a los usuarios realizar búsquedas sin usar palabras clave sino con imágenes. Al enviar una imagen, TinEye crea una "firma digital o huella digital única y compacta" de la imagen y la compara con otras imágenes indexadas. [2] Este procedimiento puede coincidir incluso con versiones muy editadas de la imagen enviada, pero normalmente no devolverá imágenes similares en los resultados. [3]
Tipo de sitio | Motor de búsqueda de imágenes |
---|---|
Disponible en | plurilingüe |
Dueño | Idée, Inc. |
URL | tineye |
Comercial | sí |
Registro | Opcional |
Lanzado | 6 de mayo de 2008 |
Estado actual | Activo |
Historia
Idée, Inc. fue fundada por Leila Boujnane y Paul Bloore en 1999. Idée lanzó el servicio el 6 de mayo de 2008 y entró en beta abierta en agosto de ese año. [4] [5] Si bien los proyectos de investigación de identificación de imágenes y visión por computadora comenzaron ya en la década de 1980, [6] la compañía afirma que TinEye es el primer motor de búsqueda de imágenes basado en la web que utiliza tecnología de identificación de imágenes. El servicio se creó con los propietarios de los derechos de autor y los comercializadores de marcas como la base de usuarios prevista, para buscar el uso no autorizado y rastrear dónde aparecen las marcas, respectivamente. [7]
En junio de 2014, TinEye afirmó haber indexado más de cinco mil millones de imágenes para realizar comparaciones. [8] Sin embargo, esta es una proporción relativamente pequeña del número total de imágenes disponibles en la World Wide Web . [9]
En septiembre de 2020, los resultados de búsqueda de TinEye afirman tener más de 41,9 mil millones de imágenes indexadas para comparar.
Tecnología
Un usuario carga una imagen en el motor de búsqueda (el tamaño de carga está limitado a 20 MB) o proporciona una URL para una imagen o para una página que contiene la imagen. El motor de búsqueda buscará otros usos de la imagen en Internet , incluidas las imágenes modificadas basadas en esa imagen, e informará la fecha y hora en que se publicaron. TinEye no reconoce los contornos de los objetos ni realiza el reconocimiento facial , pero reconoce la imagen completa y algunas versiones alteradas de esa imagen. Esto incluye versiones más pequeñas, más grandes y recortadas de la imagen. TinEye se ha mostrado capaz de recuperar diferentes imágenes de su base de datos del mismo tema, como puntos de referencia famosos. [10]
TinEye es capaz de buscar imágenes en formato JPEG , GIF o PNG . A partir de 2009[actualizar], otros formatos que contienen imágenes en línea, como Adobe Flash , no se pueden buscar. [11]
Los resultados generados por TinEye incluyen el número total de coincidencias en su base de datos que ha generado la imagen enviada, una imagen de vista previa y una URL para cada coincidencia, y una función llamada Comparar imágenes. Comparar imágenes proporciona una ventana en la que el usuario puede alternar entre la imagen original y el resultado de la búsqueda. [12] TinEye puede ordenar los resultados por mejor coincidencia, peor coincidencia, imagen más grande o imagen más pequeña.
El registro de usuario es opcional y ofrece almacenamiento de consultas anteriores del usuario. Otras características incluyen widgets y marcadores incrustables . TinEye también ha lanzado su API comercial.
Algoritmo
Aunque TinEye no revela los algoritmos exactos utilizados, existen técnicas similares a la descripción de cómo funciona de la compañía que logran el mismo objetivo de hacer coincidir imágenes. Uno de esos algoritmos es el hash perceptual que se utiliza para crear un hash a partir de una imagen de muestra. Aquí hay un ejemplo de un algoritmo básico de hash promedio, que es similar pero más simple que un hash perceptual, escrito por el Dr. Neal Krawetz: [13]
- Reducir tamaño En las imágenes, las frecuencias altas dan detalles mientras que las frecuencias bajas muestran estructura; queremos lo último. La forma más rápida de eliminar las altas frecuencias y los detalles es encoger la imagen. En este caso, acóplelo a 8x8 para que haya 64 píxeles en total. No se moleste en mantener la relación de aspecto, simplemente aplástala para que se ajuste a un cuadrado de 8x8. De esta manera, el hash coincidirá con cualquier variación de la imagen, independientemente de la escala o la relación de aspecto.
- Reducir color Calcule el valor medio de los 64 colores.
- Promedio de colores Para obtener las frecuencias más bajas en la imagen, tome solo una parte más pequeña de la imagen ya reducida. Por ejemplo, si la DCT ( Transformada discreta del coseno , una transformada relacionada con Fourier) es 32x32, simplemente mantenga la parte superior izquierda 8x8.
- De bytes a bits Cada bit se establece simplemente en función de si el valor del color está por encima o por debajo de la media.
- Construya el hash Establezca los 64 bits en un entero de 64 bits. El orden no importa, siempre y cuando seas coherente. Su hash de resultado final se verá así: 8f373714acfcf4d0
El hash resultante no cambiará si la imagen se escala o cambia la relación de aspecto. Aumentar o disminuir el brillo o el contraste, o incluso alterar los colores, no cambiará drásticamente el valor hash.
Para comparar dos imágenes, construya el hash de cada imagen y cuente el número de posiciones de bits que son diferentes. Esta es una distancia de Hamming . Una distancia de cero indica que es probable que sea una imagen muy similar o una variación de la misma imagen. Una distancia de 5 significa que algunas cosas pueden ser diferentes, pero probablemente aún estén lo suficientemente cerca como para ser similares. Una distancia de 10 o más es una indicación probable de que las imágenes son diferentes.
Uso
La capacidad de TinEye para buscar en la web imágenes específicas (y modificaciones de esas imágenes) lo convierte en una herramienta potencial para que los titulares de derechos de autor de obras visuales puedan localizar infracciones de sus derechos de autor. También crea una posible vía para que las personas que buscan hacer uso de imágenes bajo obras huérfanas encuentren a los titulares de los derechos de autor de esas imágenes. Dado que las obras huérfanas pueden definirse como "obras con derechos de autor cuyos propietarios son difíciles o imposibles de identificar y / o localizar", [14] el uso de TinEye podría eliminar el estado de obra huérfana de las imágenes en línea que se pueden encontrar en su base de datos.
Ver también
Referencias
- ^ ¿Qué es TinEye?
- ^ ¿Cómo actúa TinEye?
- ^ ¿Puede TinEye encontrar imágenes similares?
- ^ "Lanzamientos" . Tineye.com . Consultado el 21 de febrero de 2013 .
- ^ Claburn, Thomas (18 de agosto de 2008). "TinEye Image Search encuentra infractores de derechos de autor" . InformationWeek . Consultado el 28 de septiembre de 2014 .
- ^ Szeliski, Richard (2010). Visión artificial: algoritmos y aplicaciones . Springer Publishing . pag. 832. ISBN 9781848829343.
- ^ George-Cosh, David (sin fecha). "La próxima frontera de TinEye de Idée en las búsquedas web" (PDF) . Correo Nacional . Consultado el 11 de febrero de 2010 .
- ^ "Consultado el 1 de julio de 2014" . Tineye.com . Consultado el 1 de julio de 2014 .
- ^ "Flickr aloja 5 mil millones de imágenes al 10 de septiembre - Consultado el 6 de abril de 2011" . Royal.pingdom.com . Consultado el 21 de febrero de 2013 .
- ^ Elias, Jean-Claude. (11 de diciembre de 2009). Busca por foto. The Jordan Times. Recuperado el 19/2/10 de la base de datos Factiva.
- ↑ Krechevsky, Curtis. (1 de mayo de 2009. "Los desafíos de las búsquedas de logotipos e imágenes en Internet". Derecho de propiedad intelectual y empresas . 7 (5). Recuperado el 19/02/10 de la base de datos Factiva.
- ^ "Conviértete en un detective de imágenes en línea con TinEye" . Groovypost.com. 18 de enero de 2010 . Consultado el 25 de junio de 2013 .
- ^ "Herramientas, técnicas y tangentes" . Dr. Neal Krawetz.
- ^ Yeh, B. (1 de febrero de 2010). "Obras huérfanas" en la ley de derechos de autor. Servicio de Investigación del Congreso. Recuperado el 19/2/10 de la base de datos Factiva.
enlaces externos
- Página web oficial