- 程序有所改变。发帖如还有问题请报告
- 【征集】西西河的经济学，及清流措施，需要主动参与者，『稷下学宫』新认证方式，24年网站打算和努力目标
主题：问一个搜索引擎的问题 -- 大明湖
家园 问一个搜索引擎的问题 象什么google，等网站，只能基于文字来搜索。那么可不可能实现基于图片的搜索？
比方说我上传一幅图片，希望找到它的处处。能不能作到？
多谢指教！
家园 懒橱说的接近 我想补充几点。
google目前是根据图片的alt属性（附加于网页图片的说明文字，有时候你看图片时，鼠标划过图片时显示的那中文字）和图片的url中含有的文字部分来定位图片的。这就是他们的image搜索的原理。进一步的根据包含图片的网页的上下文来定位的技术，据我所知还没有投入应用。
当然图片还可能有其他的属性，例如建立/修改时间、图片尺寸，索引图（某些格式的图片是支持内嵌那么一张索引图的）、作者、数字水印等，都可能被应用来定位图片。
再比如，若要直接对图片建立索引，可以采用把图片建立一个（缩放到）一定尺寸的小索引图，例如30点*30点，这个数据量就是有限的。忽略掉颜色信息，这个索引图可以按照一定的特征（公式）被归纳成简单的数字或字符串。这个并不困难。然后，我们就有了图象的直接索引了，检索这个索引文件那是一点问题没有。
在计算机能理解图片之前，肯定可以在这些基础上建立起折中的、俺估计效果还不错的图片搜索功能。俺上面说的，都是现在立马就能或已经实现的东西。当然随着算法的改进，其搜索效果可以越来越好。并且我认为主要是算法和数学模型的改进问题，硬件问题不是主要的瓶颈。
元宝推荐：Highway,
本帖一共被 1 帖 引用 (帖内工具实现)- 复 懒橱说的接近
家园 现在基于内容的图像检索是一个很热门的题目 兄弟我正在做相关的课题，所以知道一点。基于内容的图像检索Content-based Image Retrieval(CBIR)的基本原理就是把图像用各种能量化的指标表示出来，比如颜色，纹理，形状等等，然后用一个或一组向量表示。这样你要找某个图像时，就可以提交你要找的图像的相关指标，计算机就可以在数据库里查找相似的图像了。
不过现在的所谓CBIR都不表现不如人意。这倒不是因为现在的计算机速度不行，而是我们还没找到比较好的表示比较图像的方法。上面说的方法都是比较低层次的方法，和图像的"语义"还有相当大的距离，这就是所谓的semantic gap。目前计算机视觉的算法还远没有达到理解图像的地步。所以刚开始的时候大家觉得CBIR只是文本检索的一个延伸，后来越做越发现不好做了。虽然到现在也没作出真正的CBIR，不过在研究这个题目的过程中，到是促进了模式识别，机器学习等相关领域的发展，到也是赛翁失马，焉知飞福，呵呵。
- 复 懒橱说的接近
家园 花一吨. 使用图型文件所附的 Description 或 Key Word, 虽然是现在就能办到的方法, 但搜的还是文字编码的附属数据, 离 "如搜寻文章般的搜图" 还是有段不小的距离吧?
- 复 懒橱说的接近
家园 的确，图片包含的信息很多 那天偶然想到这个问题，就是因为目前还没有出现具有这样功能的搜索引擎，起码，俺不知道。
既然算法不成问题，硬件也不成问题，困难究竟是什么？
家园 困难在于这么做的好处在哪里？ 俺认为至少5-10年内不会出现基于web的，面向大众提供以图象作为搜索条件来搜索内容的引擎。
无法想象一家商业公司会投入巨资去做这种东西的商业运行。不是技术问题，而是没有这么做的动力。若谁能说服拉瑞他们，告诉他们这玩意里面有巨大的市场潜力，那么，嘿嘿。。。
问题是需求在哪里？市场有多大？
俺认为搞这个东西那是投入产出比严重失衡。
上面已经提到google这样的巨头，连图象的上下文的搜索都还没有投入实际应用，而这种需求是google改善他的图象搜索的重要一步。就是说，现行的以文字搜图片的功能都还没有完善起来，那么以图片搜文字或图片的功能就肯定谈不上，而且有多少人会使用这个功能呢？我认为一点也不乐观。
假定需要使用文字搜图片的用户是100个，再假定需要使用图片搜图片或文字的用户是10个。实现后者的技术要稍难一些，那就是说投入要多一些，就算是同样的投入，那么投入1万收获1百跟投入1万收入10元之间，你作为商业公司的主管，会不会选择投入后者？
俺以为俺的假定中10%的用户比例那是太高了，没做过调查，但我认为实际不会超过1%。
会有一些感兴趣的个人跟团体（例如本河里的qwert01）去做这样的事情，但这种的资金、影响力有限，大家能听说的机会也不多。
有钱的如google这样的公司会在实验室搞这样的技术，但花10万美圆搞技术研究、做个模型跟花1亿美圆搞个商业运做的大系统之间显然是两回事。
另外，我想说明一下，专业领域内以图象搜图象的技术发展得是很快的。例如军事上地标定位（例如那种巡航导弹用电视/红外/热成像摄像头自行制导的技术）、指纹/虹膜对比技术（输入一枚指纹，一秒内从上千万的指纹库中找到对应的指纹），等等等等。。。但这些技术有其特定的应用范围，而且强调的是精确；这跟Ineternet上面向广大用户的搜索引擎的目标是不一样的。
只有等到能稍微看到那么一点市场潜力的情况下，楼主的要求才可能变成现实。
元宝推荐：Highway,
本帖一共被 1 帖 引用 (帖内工具实现)家园 做个调查吧 反正俺很多时候还是需要的
而且当他出现的时候，说不定就会有更多的用户了。在google之前，谁可以想象能够发展到今天的地步？
家园 哈哈，我正在做这方面的工作 正打算推出自己的网站呢，如果有兴趣的话我们可以探讨探讨。
家园 愿闻高论！ - 复 愿闻高论！
家园 等我回家以后把URL给Post 上来 现在数据库中大概有150million页面，2.5million图片信息，可能很多图片查不到。不过俺自己测试了一下，基本上能够定位到图片。
Google 有8000*100million页面，
that make the biggest difference.至于算法，可以私下交流，涉及到俺的商业机密，嗬嗬。就不再这里详述了。
家园 我没理解错的话，150m=1.5亿 150m*1kb=150G for the text part & database index fields,
2.5m*10kb(avg image size)=25G
Here, let me point out that 1KB for 1 page is assumed text (plus index) size only. Basically I dont think it can reach this low.
个人搞的有这么多么？特别是“准备搞”的。
有一点点迷惑。