«Яндекс.Маркет» выпустил приложение для поиска одежды по фотографии — Офтоп на TJ
25 июля «Яндекс.Маркет» запустил бесплатное приложение «Снимите одежду» для iPhone. Об этом TJ сообщили представители компании.
Приложение умеет искать вещи по фотографии, при этом пользователь может как сфотографировать понравившуюся вещь, так и загрузить уже готовый снимок. Сервис ищет похожие варианты на «Маркете» и показывает вместе с ценами, при этом каждую найденную вещь можно отложить для покупки.
Приложение работает при помощи разработанной в «Яндексе» технологии компьютерного зрения. Нейронную сеть в её составе обучали на выборке, составленной из более чем пяти миллионов картинок. Она умеет отличать друг от друга около 150 видов одежды, а также свыше 250 разных атрибутов, таких как цвет, фасон или стиль. Сравнивать найденные на «Маркете» картинки помогает ещё одна нейронная сеть, которую обучили искать похожие изображения.
В «Яндексе» подчеркнули, что приложение носит экспериментальный характер, и технология продолжает совершенствоваться.
Это не первое приложение с такой функциональностью от российских разработчиков. Основатель сервиса по доставке желаний GetMagic Дмитрий Масленников в своём фейсбуке рассказал, что за два года до релиза от «Яндекса» он выиграл хакатон Qiwi Universe в Казани с проектом Wonto, тоже задуманном как «Shazam для одежды».
В беседе с TJ создатель Wonto подчеркнул, что в «Яндексе», по всей вероятности, даже не знали о его экспериментальном приложении, и заметил, что ему интересно, сможет ли российская компания качественно реализовать идею.
Это не получилось у Аmazon, не получилось у нас. Мы хотели эту штуку в GetMagic интегрировать, но поскольку сама «Магия» заморожена, то и интеграции не вышло. Посмотрим, как «Яндекс» это реализует.
А не работает, потому что мало данных для обучения нейронной сети. Одежда — очень субъективная штука, у которой очень много нюансов, и подобные сервисы могут максимум определить цвет и общие особенности фасона — такие как длина юбки, форма выреза и рукава.
А вот мелкие детали, фурнитуру и прочий декор, который отличает одно красное платье от другого, вычленять на текущий момент нереально.
Это можно исправить, добавив ручной труд, что я и хотел реализовать. Наши операторы учились это делать — но увы, вышло так, как вышло. Но то, что мы на два года раньше «Яндекса» сделали эту штуку — это здорово.
Дмитрий Масленников, основатель GetMagic
tjournal.ru
Как найти одежду по картинке — тест от редакции
Как часто вы находили очень классную вещь в Инстаграме у звезды, в фильме или просто на случайной картинке в Pinterest? Повезло, если удалось заскринить, чтобы потом показать портнихе. Но как быть с кроем, вытачками и прочими жизненно важными деталями, ради которых картинку надо пристально рассмотреть? Благо, технологии в модной индустрии сегодня заняли лидирующую роль – Farfetch уже запускает в производство магазины будущего. Сегодня большинство разработок в сфере искусственного интеллекта направлено на усовершенствование рекомендаций. Чем лучше алгоритм знает вас, ваши параметры и вкусы, тем больше действительно подходящих вам вещей он сможет посоветовать. Казахстанские онлайн-ритейлеры не отстают. Lamoda ввела функцию поиска по картинке. Вставить можно скриншот, кадр из фильма или любую картинку, на которой отчетливо виден нужный предмет одежды. Вместе с женской половиной редакции Buro 24/7 мы решили протестировать алгоритм.
Анара Кукиева, шеф-редактор
«Подобной функцией я пользуюсь давно. В основном на Asos. Это удобно и здорово экономит время, поскольку где-то на 2-3 странице мне становится лень пролистывать еще 100 таких же, и мой шопинг на этом заканчивается. Очень часто я вижу в Instagram образы, они мне нравятся, но человек не указывает названия брендов. Единственный выход – искать что-то похожее. В этих случаях функция «поиск одежды по картинке» отлично выручает. Не всегда удается найти нужное, сложно стилизованные образы неподвластны приложению, но в любом случае это полезная штука».
Катерина Милославская, редактор раздела «Культура»
«Люблю платья, только они не любят меня. Для поиска я выбрала ультра-блестящее мини, в котором Джей Ло отжигает на вечеринке рядом с уставшей Донателлой Версаче. Поиск по картинке показал платья похожего цвета и фасона, но выглядели они как минимум уныло. Зато чуть ниже я увидела платье другого цвета и с бахромой, и мне оно понравилось даже больше, чем то, что на картинке. Люблю бахрому до ужаса. Жаль только, что ноги Дженнифер ко всему этому не прилагаются».
Айгерим Туменбай, иллюстратор
«Очень люблю Рианну и ее стиль, поэтому хотелось найти что-нибудь, что хоть на чуточку приблизило бы меня к ней. Сама функция проста и удобна в использовании, но несколько более сложные и оригинальные луки Рианны она не осилила. Пришлось выбрать более сдержанный образ, и тут программа не подвела. Но в найденных вещах нет того эджа, что присущ Рири».
Рамита Сулейменова, SMM
«В этой жизни мне повезло: чаще всего я ношу черное и его в магазинах всегда много. Раньше, чтобы не искать в каждом магазине по отдельности какой-либо предмет одежды, пользовалась Polyvore, но сайт закрыли (никогда не прощу этого SSENSE). Функция поиска по картинке экономит время, но она не всегда точна. Ей, естественно, нужны доработки, плюс многое зависит от фотографии, с которой вам хотелось бы снять образ. Если образ весь черный, то программа плохо различает, где заканчивается кофта, начинаются брюки, обувь это или, все-таки, сумка».
Диана Боровинская, менеджер по продажам
«Все используют чужие образы, а мне захотелось затестить свой – найдет ли. Тут просто no comment. Женщина в расцвете сил или беременная – это приложение точно смотрит на одежду, а не на внешность?»
Жанетта Сабырова, офис-менеджер
«Новая функция удобна, но найти реально похожую альтернативу нужным вещам сложно, как это было в моем случае. Я пыталась найти нужный лук, но предлагаемые варианты были лишь отдаленно на него похожи».
Sarafan — сервис для поиска одежды по фото в Instagram — Трибуна на vc.ru
Автоматически распознает модели и соотносит их с товарами в интернет-магазинах.
Меня зовут Андрей Корхов, мне 32 года. Я руковожу компанией разработки «Анетика», и мы с командой разработали новый проект. Sarafan — это платформа для монетизации своего Instagram-аккаунта с помощью нейросетей и технологий компьютерного зрения.
Одежда и аксессуары распознаются автоматически с помощью технологий нейросетей, машинного обучения, больших данных и алгоритмов компьютерного зрения. Распознанные образы автоматически сопоставляются с товарами из различных монобрендовых магазинов.
Нашим сервисом уже пользуются около 300 активных блогеров. Во-первых, мы предлагаем простой способ заработать, просто публикуя фотографии. Во-вторых, мы в основном ориентируемся на блогеров, у которых от 2 до 20 тысяч подписчиков, — для них наш сервис единственный способ получить деньги при помощи Instagram.
Одна из возможностей взаимодействия сразу с большим количеством брендов — партнёрство. В нашем случае — с eSolutions (входит в Otto Group в России). Компания работает со многими брендами по фулфилмент-модели, в том числе осуществляя маркетинговое сопровождение. Такое сотрудничество помогло нам получить первый пул брендов для работы по CPC-модели.
Преимущества для брендов
- Подключаясь к партнерской программе Sarafan, монобрендовые магазины сразу же начинают привлекать целевой трафик в свой магазин.
- Бренду не требуется производить никаких технических интеграций. Наши технологии сами распознают одежду на фотографиях и сопоставляют её с ассортиментом магазина.
- Оплата только за уникальные переходы. Прямая реклама не дает гарантий эффективности — у блогера может быть больше ботов, чем реальных подписчиков.
Монетизация
Мы работаем по CPC-модели (cost per click), 50% отдаем блогеру. Сегодня у нас девять платящих брендов.
Мы начали развивать проект с конца 2015 года — то есть ещё задолго до бума нейросетей. Само решение мы долго совершенствовали и полировали, сделав его идеальным именно для той сферы, для которой оно предназначено. Многие продукты конкурентов универсальны, что не позволяет им учитывать особенности, которые предусмотрены в нашем сервисе.
Мы выиграли грант Microsoft BizSpark на $120 тысяч. Компания также помогает нам с развитием и выходом на другие рынки. Сегодня проект развивается стабильно и очень динамично — и по трафику, и по выручке.
На начальных этапах нам удалось привлечь инвестиции первого раунда от фонда the Untitled. Сейчас мы работаем над привлечением следующего инвестиционного раунда для более быстрого масштабирования. Мы понимаем, что должны быстро расти, потому что, если это сделаем не мы, то кто-нибудь другой.
Следующий наш шаг — развитие контентных медиаресурсов.
#Стартапы
vc.ru
Wheretoget.it — сайт, помогающий находить вещи по фотографиям — Look At Me
Wheretoget.it — молодой онлайн-проект, помогающий находить понравившиеся предметы одежды по фотографиям. Он устроен достаточно просто. Зарегистрировавшись, пользователи загружают снимки вещей, которые хотят найти и купить, а читатели помогают определить марку одежды, дают ссылку на интернет-магазин, где вещь продаётся, в крайнем случае находят похожие вещи. Как правило, отыскать необходимый предмет удаётся менее чем за три часа, в 84 % случаев поиск оказывается успешным.
Сайт был запущен пару месяцев назад, но уже сейчас весьма популярен. Его создатели, Николас Мецке, Жилль Бабине и Ромен Муан из Франции, уже запустили несколько успешных проектов. Их стартапы, среди которых Ciao.com и Musiwave, были проданы за сотни миллионов долларов.
Look At Me расспросил одного из основателей Wheretoget.it о запуске сайта, решении заняться модой и об онлайн-изданиях, которые стоит читать каждый день.
|
|
Николас Мецкегенеральный директор WhereToGet.it и Hypeed.com |
О создании проекта
Идея запустить Wheretoget.it родилась во время работы с сайтом Hypeed, который мы создали в начале 2010 года. Hypeed — это одновременно онлайн-журнал и сайт, похожий на Lookbook.nu, Chictopia и раздел луков на Look At Me. Наш редактор выбирает тренды и пишет о них посты, а пользователи выкладывают свои фотографии для иллюстрации этих материалов. Они также могут голосовать за понравившиеся снимки и оставлять комментарии. Судя по хвалебным отзывам, эта концепция многим нравится. Через некоторое время после запуска проекта французский Vogue даже попросил нас управлять разделом Fashion Community на своём сайте.
С самого начала мы получали множество писем от читателей Hypeed с просьбой помочь им найти вещи, из которых составлены луки. Наши коллеги из Vogue и друзья, ведущие блоги, не раз говорили, что им присылают тонны сообщений с просьбой подсказать, где купить вещи с опубликованных фотографий. Конечно, мы не располагаем достаточным количеством времени, чтобы ответить всем. Тогда мы задумались над концепцией Wheretoget.it и решили, что это будет узкоспециализированный сайт, похожий на интересную игру с участием большого количества пользователей. Его пилотная версия работала с февраля по апрель этого года. Стартовые показатели были такими: 9 из 10 просьб находили отклик, 50 % из них — в течение трёх часов с момента появления. Тогда мы решили запустить полноценный сайт.
Об идее сайта
Суть очень проста. Допустим, вы увидели на ком-то невероятно стильный блейзер и захотели приобрести такой же, но не знаете, где найти. Можно попросить совета у друзей, и если они подскажут, то вы настоящий счастливчик. Можно самостоятельно искать вещь в интернете или в журналах, но это очень сложно, на поиски может уйти несколько часов. Так почему бы не обратиться за помощью к людям, которые любят моду и разбираются в шопинге?
О команде сайта
Сейчас над Wheretoget.it работают пять человек. Трое являются основателями проекта и отвечают за развитие бизнеса. У каждого из нас есть опыт в работе с интернет-компаниями и маркетингом. В совокупности мы запустили около десяти успешных стартапов. Самому молодому из нас было 16 лет, когда он создал свою первую компанию в интернете, сейчас ему 24. За содержание сайта отвечает редактор. Ещё один человек обеспечивает техническую поддержку.
О развитии проекта
У нас есть несколько идей. Сейчас Wheretoget.it представляет собой сайт вопросов и ответов. И хотя мы довольно молоды, у нас уже больше 50 000 пользователей, которые ссылаются на 2 000 различных интернет-магазинов. Хотелось бы теснее работать с социальными сетями, а также создать платформу, где люди смогут узнать о текущих трендах. Кроме того, планируем теснее связать Whetetoget.it с Hypeed. Hypeed используют множество известных блогеров, мы хотим привлечь их и к нашему второму проекту.
О решении заняться модой
Ни один из основателей Wheretoget.it прежде не работал в модной индустрии, и в этом наше преимущество, я считаю. Мы позволяем себе делать такое, на что инсайдер индустрии никогда бы не решился. Если вы хотите по-настоящему преуспеть в каком-то деле, вам нужно научиться смотреть на вещи свежим взглядом.
Для того чтобы получить конкретные знания о моде, мы пригласили редактора. Им стал блогер. Блогеры ощущают моду так же, как не приближённые к ней люди, и, как правило, судят непредвзято, это очень важно для нас.
Мы прагматичны и прямолинейны. Работаем с обыкновенными людьми. То, что сейчас происходит с модой, является уже не трендом, а началом глобальных изменений. Посмотрите на коллаборации H&M с Versace, Lanvin и Карлом Лагерфельдом. Истории успеха, такие как у Asos и Topshop, стали возможны. Во многом это происходит благодаря всеобщей демократизации. Эта тенденция будет продолжаться.
О ресурсах, которые стоит читать
Для того чтобы быть в курсе новостей бизнеса, я советую просматривать Women’s Wear Daily, Business of Fashion, FashionMag, Fashionista и технические сайты вроде Mashable и The Next Web. Читаю множество блогов, все перечислить сложно. Главные среди них — StyleScrapbook.com Энди, TheFashionCloud.com Тони и TheBlondSalad.com Сиары, это довольно известные авторы. Среди перспективных новичков выделю Эвиту и её Jellyjellybeans.blogspot.com, Александру с Fashionsalade.com/lovelypepa и Зину с её Fashionvibe-blog.blogspot.com.
Ещё 5 сайтов, ориентированных на модный ритейл
Svpply.com
Проект, пользователи которого рекомендуют друг другу хорошие вещи. Основываясь на данных виш-листов пользователей, сайт формирует ленту интересных товаров. К каждому продукту прилагается ссылка на магазин.
Bemydress.ru
Интерактивная примерочная, с помощью которой можно создавать комплекты одежды, узнать стоимость вещей и место, где их можно приобрести в Москве. Представлены демократичные и люксовые бренды, а также отечественные марки. Существуют иностранные аналоги: Boutiques.com в Америке, Looklet.com в Европе и Awaseba.com в Японии.
Polyvore.com
Сайт, позволяющий создавать коллажи из вещей, представленных в сотне онлайн-магазинов: от H&M до Net-a-Porter. Одежда распределена по видам, можно загружать свои фотографии, выбирать темы для оформления коллажей и регулировать параметры изображения. Есть ссылки на магазины, где вещи продаются.
Shopstyle.com
Ещё один ресурс, объединяющий интернет-магазины. Позволяет создавать свои луки и персональные лукбуки. Упор делается на дизайнерский сегмент, но встречаются и Asos с Topshop. Плюс сайта — возможность общения в группах.
Iheartluxe.com
Онлайн шопинг-гид. Здесь можно найти отзывы на одежду, косметические продукты, объекты дизайна и отели. К обзорам прилагаются ссылки на магазины и сайты.
www.lookatme.ru
распознавание одежды на фотографии с помощью мобильного приложения / Anetika corporate blog / Habr
Не так давно мы решили сделать проект, который позволял бы искать одежду в различных интернет-магазинах по фотографии (картинке). Идея проста — пользователь загружает изображение (фото), выделяет интересующую его область (футболку, штаны и т.п.), указывает (опционально) уточняющие параметры (пол, размер и т.п.), и система ищет похожую одежду в наших каталогах, сортируя ее по степени схожести с оригиналом.Сама идея не то что бы новая, но качественно никем не реализованная. На рынке уже несколько лет есть проект www.snapfashion.co.uk, но релевантность его поиска очень низкая, подбор происходит в основном по определению цвета изображения. Например, красное платье он сможет найти, но платье с определенным фасоном или рисунком уже нет. Аудитория этого проекта, к слову, не растет, мы это связываем с тем, что поиск определенно низкой релевантности и, по сути, ничем не отличается, если вы выберете на сайте магазина цвет при поиске по их каталогу.
В 2013 году появился проект www.asap54.com, и здесь поиск чуть лучше. Упор стоит на цвет и некоторые небольшие опции, указываемые вручную из специального каталога (короткое платье, длинное платье, платье средней длинны). Этот проект, столкнувшись с трудностями визуального поиска, слегка завернул в сторону социальных сетей, где модники могут делиться своими «луками» в одежде, из «шазама для одежды» в «инстаграм для модников».
Несмотря на то, что проекты в этой области существуют, определенно остается непокрытой потребность поиска по картинке, очень актуальная сегодня. И решение данной проблемы созданием мобильного приложения, как это сделали SnapFashion и Asap54, наиболее отвечает тенденциям e-commerce рынка: по различным прогнозам доля мобильных продаж в США с 11% в 2013 году может вырасти да 25-50% в 2017. Такой стремительный рост мобильной торговли предвещает и рост популярности самых разных приложений, помогающих совершать покупки. И скорее всего магазины будут сами вкладываться в разработку, продвижение подобных приложений, а также активно сотрудничать с ними.
Проанализировав конкурентов, мы решили, что нужно попробовать самим разобраться с этой темой и запустили проект Sarafan www.getsarafan.com.
Фирменный стиль изначально хотели сделать ярким. Проработали множество вариантов:
В итоге остановились на стиле с яркими красками.
Для старта выбрали клиент под iOS (под iPhone). Дизайн в виде красок, работает через Rest-сервис, на главном экране приложения выбор: сделать фотографию или выбрать из галереи.
Это, пожалуй, было самым простым из всего проекта. А тем временем на передовой backend-разработки все складывалось не так радужно. И вот история наших поисков: что мы делали и к чему пришли.
Визуальный поиск
Нами было опробовано несколько подходов, но ни один из них не дал результатов, которые позволили бы сделать высокорелевантный поиск. В этой статье мы расскажем, что попробовали, и что и как сработало на разных данных. Надеемся, что данный опыт окажется полезным всем читателям.
Итак, главная проблема нашего поиска – это так называемый семантический разрыв (semantic gap). Т.е. разница между тем, какие изображения (в данном случае изображения одежды) считают похожими человек и машина. Например, человек хочет найти черную футболку с коротким рукавом:
Человек без труда скажет, что в списке ниже это второе изображение. Однако машина, скорее всего, выберет изображение 3, на котором женская футболка, но сцена имеет очень похожую конфигурацию и одинаковое цветовое распределение.
Человек ожидает, что результатом поиска будут позиции с тем же типом (футболка, майка, джисы …), приблизительно того же фасона и приблизительно с тем же цветовым распределением (цвет, текстура или рисунок). Но на практике обеспечить выполнение всех трех условий оказалось проблематично.
Начнем с самого простого, изображение со схожим цветом. Для сравнения изображений по цвету чаще всего используют метод цветовых гистограмм. Идея метода цветовых гистограмм для сравнения изображений сводится к следующему. Все множество цветов разбивается на набор непересекающихся, полностью покрывающих его подмножеств. Для изображения формируется гистограмма, отражающая долю каждого подмножества цветов в цветовой гамме изображения. Для сравнения гистограмм вводится понятие расстояния между ними. Существует много разных методов формирования цветовых подмножеств. В нашем случае их разумно было бы формировать из нашего каталога изображений. Однако даже для такого простого сравнения требуется выполнения следующих условий:
— Изображения в каталоге должны содержать одну только вещь на легко отделимом фоне;
— Нам нужно эффективно различать фон и интересующую нас область одежды на фотографиях пользователя.
На практике первое условие не выполняется никогда. О попытках решить эту проблему мы расскажем позже. Со вторым условием сравнительно проще, т.к. выделение интересующей области на изображении пользователя происходит с его активным участием. Например, существует довольно эффективный алгоритм удаления фона – GrabCut (http://en.wikipedia.org/wiki/GrabCut). Мы исходили из соображения, что интересующая нас область на изображении находится ближе к центру обведенной пользователем области, чем к ее границе и фон в данной области изображения будет относительно однородным по цвету. С использованием GrabCut и некоторых эвристик, удалось получить алгоритм, работающий корректно в большинстве случаев.
Теперь о выделении интересующей нас области на изображениях каталога. Первое что приходит в голову – сегментировать изображение по цвету. Для этого подойдет например алгоритм watershed (http://en.wikipedia.org/wiki/Watershed_(image_processing)).
Однако изображение красной юбки в каталоге может иметь несколько вариантов:
Если в первом и втором случае сегментировать интересующую область сравнительно легко, то в 3-м случае в мы выделим еще и пиджак. Для более сложных случаев этот метод не сработает, например:
Стоит отметить, что задача сегментации изображений полностью не решена. Т.е. не существует методов, которые позволяют выделить интересующую область одним фрагментом, как это может сделать человек:
Вместо этого изображение разбивается на суперпиксели (superpixel), тут стоит посмотреть в сторону алгоритмов n-cuts и turbopixel.
В дальнейшем используют их некоторое сочетание. Например, задача поиска и локализации объекта сводится к поиску сочетания суперпикселей, принадлежащих объекту, вместо поиска ограничивающего прямоугольника.
Итак, задача разметки изображений каталога свелась к поиску сочетания суперпикселей, которые соответствуют вещи данного типа. Это уже задача машинного обучения. Идея была следующая, взять множество размеченных вручную изображений, обучить на ней классификатор и классифицировать различные области сегментированного изображения. Область с максимальным откликом считать интересующей нас областью. Но тут надо снова определиться, как сравнивать изображения, т.к. простое сравнение по цвету гарантированно не сработает. Придется сравнивать форму или некий образ сцены. Как казалось на тот момент, для этих целей подойдет дескриптор gist (http://people.csail.mit.edu/torralba/code/spatialenvelope/). Дескриптор gist – это некая гистограмма распределения краев в изображении. Изображение делится на равные части сеткой какого-либо размера, в каждой ячейке считается и дискретизируется распределение краев разной ориентации и разного размера. Полученные в результате n-мерные вектора мы можем сравнивать.
Была создана обучающая выборка, вручную было размечено множество изображений разных классов (около 10). Но, к сожалению, даже при кросс-валидации не удалось добиться точности классификации выше 50%, меняя параметры алгоритма. Частично виной тому является то, что рубашка с точки зрения распределения краев будет мало чем отличаться от куртки, частично то, что обучающая выборка была недостаточно большая (обычно gist применяется для поиска по очень большим коллекциям изображений), частично то, что для данной задачи он, возможно, вообще не применим.
Еще один метод сравнения изображений – сравнение локальных особенностей. Его идея в следующем – выделить значимые точки на изображениях (локальные особенности), каким-либо образом описать окрестности данных точек и сравнивать количество совпадений особенностей у двух изображений. В качестве дескриптора использовали SIFT. Но сравнение локальных особенностей так же дало плохие результаты, большей частью из-за того, что данный метод предназначен для сравнения изображений одной и той же сцены, снятой с разного ракурса.
Таким образом, не получилось разметить изображения из каталога. Поиск по неразмеченным изображениям с использованием вышеописанных методов иногда давал приблизительно похожие результаты, но в большинстве случаев в результате не было ничего похожего с точки зрения человека.
Когда стало понятно, что разметить каталог у нас не получилось, мы попытались сделать классификатор для изображений пользователя, т.е. автоматически определять тип вещи которую хотел найти пользователь (футболка, джинсы и т.п.). Главная проблема – это отсутствие обучающей выборки. Изображения каталога не подходят, во-первых из-за того что они остались не размечены, а во-вторых они представлены в довольно ограниченном наборе пространственных представлений и нет гарантии что пользователь предоставит изображения в похожем представлении. Чтобы получить большой набор пространственных представлений для вещи мы снимали человека в этой вещи на видео, затем вырезали вещь и строили обучающую выборку по набору кадров. При этом вещь была контрастная и легко отделялась от фона. 
К сожалению, этот подход быстро отклонили, когда стало понятно, сколько видео нужно снять и обработать, чтобы охватить все возможные фасоны одежды.
Компьютерное зрение — это очень обширный сегмент, но нам (пока что) не удалось прийти к желаемому результату с высокорелевантным поиском. Мы не хотим сворачивать в сторону, добавляя дополнительные побочные функции, а будем биться, создавая поисковый инструмент. Мы будем рады услышать любые советы и комментарии.
habr.com
Поиск в интернете по фото человека или товара: простые способы
Здравствуйте, дорогие друзья!
Как показывает практика, о существовании такой функции, как поиск в интернете по фото, знают далеко не все пользователи, а зря. Учителя, историки, юристы, дизайнеры без нее, как без рук. Да что там, поиском повсеместно пользуются молодые люди, которые предпочитают знакомиться в сети: так они проверяют достоверность данных человека, находящегося по ту сторону экрана. Можно ли этому способу доверять и как такой поиск работает, читайте в статье.
Суть функции, ее задачи
Есть несколько вариантов поиска по картинке, но все они сводятся к использованию поисковых машин или приложений, работающих по тому же принципу. Цель – найти похожие изображения на просторах интернета и предоставить пользователю. Что он может с ними сделать и зачем ему искать? Чтобы:
- Составить тематический коллаж, плакат и т.д.
- Проверить информацию на лендингах, продающих страницах интернет-магазинов, курсов. К сожалению, иногда, счастливые люди на фото, заверяющие, что используемый ими продукт им очень помог, даже не подозревают об этом: их фото разместили без их ведома.
- Определить местоположение человека по фото. Такое возможно, если там же присутствуют живописные уголки, достопримечательности, памятники и пр.
- Проверить, не используется ли где собственная фотография, размещенная некогда в социальной сети.
- Найти интернет-магазин, где продается заинтересовавший Вас и изображенный на фото товар.
Если Вам понравился сюжет на фотографии, найдя оригинал, Вы сможете также больше узнать о нем, о людях, запечатленных там, местах. В общем, перед человеком, умеющим пользоваться этой функцией, открывается масса возможностей, и их нельзя не использовать.
Как осуществляется поиск
Механизм поиска изображений в сети в одном из интервью хорошо описал представитель компании Яндекс. По его словам, поисковый робот условно разбивает картинку на визуальные слова, а затем ищет совпадения: иллюстрации с похожим набором визуальных картинок.
Таким образом можно выполнить поиск изображений основных графических форматов, включая: JPEG, PNG, GIF, TIFF, PSD.
Как искать в поисковиках
В Гугле на странице обычного поиска выбирайте значок «Картинки», а затем кликайте по иконке с фотоаппаратом (ищите ее справа). После этого робот предложит Вам 2 возможности поиска:
- По адресу – в этом случае нужно будет ввести в адресную строку ссылку (если нашли картинку в интернете, кликнете по ней правой кнопкой и выберите «Копировать URL изображения»).
- По иллюстрации, загруженной из компьютера.
В итоге, поиск выдаст список страниц, где используется это изображение, и предложит разные варианты размеров картинок (большие, маленькие, средние).
К слову, если у Вас установлен Google Chrome, браузер Google, Вы сможете использовать и другой способ: не загружая фото и не копируя его адрес. Просто наводите на картинку курсор и в появившемся меню выбирайте: «Найти это изображение в Google».
Yandex обзавелся этой функцией не так давно. Разработчики нарекли технологию «Компьютерным зрением» и снабдили теми же возможностями: поиск по ссылке и по загруженной с компьютера картинке.
Чтобы воспользоваться ею, так же ищите в Яндексе справа значок фотоаппарата и кликайте по нему. Результаты поиска здесь тоже можно будет отсортировать по размеру, формату или сохранить: поисковик ведет историю поисков.
Обратите внимание! В обоих случаях загрузить в программу можно даже скриншот экрана. Просто преобразуйте его формат в подходящий для картинки в программах Paint или PhotoShop и загружайте в нужную строку.
Кстати, если Вы до сих пор не разобрались в тонкостях работы с Фотошопом, обратите внимание на видеокурс Зинаиды Лукьяновой «Photoshop для чайников, 57 практических уроков». Она уже 10 лет выпускает хорошие обучающие материалы, которыми ежедневно пользуется свыше 40 тыс. человек. Курсы проекта прошло уже более 85 тыс. учеников, многие из которых успешно зарабатывают с помощью полученных знаний.
Вариант с поиском по скриншоту подойдет для тех, кто хочет убедиться в правдивости отзывов под рекламируемым продуктом, подлинности фото человека в соцсети и т. д.
Другие сервисы
Поиск по картинке можно осуществлять и на TinEye. Варианты загрузки искомых файлов здесь идентичны: по Урл или по загруженному с компьютера изображению. Чем примечательна установленная на сервисе программа? Среди прочего, она ищет иллюстрации, из частей которых был смонтирован имеющийся у Вас файл.
Если Вы часто покупаете в зарубежных интернет-магазинах вещи, Вам также могут понадобиться сервисы Таобао и Алиэкспресс. Поиск по картинке можно осуществлять прямо на их сайтах. Роботы обработают Ваш запрос и выдадут Вам адреса магазинов, в которых есть то, что Вы ищите.
Поиск с телефона
Описанными способами можно искать похожие изображения и с телефона. Правда, у обладателей умных гаджетов есть чуть больше преимуществ в виде приложений-помощников:
- Google Googles для Android. Для работы запустите в программе камеру, сделайте фото интересующего изображения, и все необходимые данные будут у Вас буквально через несколько секунд. Кстати, программа может также читать штрих-коды, делать переводы, решать судоку.
- CamFind для Android, iOS. Это идеальный способ найти интернет-магазины с похожими товарами. Впоследствии самые интересные можно будет добавлять в избранное, делиться ими.
Теперь Вы знаете наиболее простые и универсальные способы поиска картинок в сети. Хотите узнать больше? Подписывайтесь на обновления блога start-luck.ru и на группу Вконтакте. Я с удовольствием буду и дальше делиться с Вами самым интересным!
start-luck.ru
Поиск по картинке, изображению или фото. Выбираем лучшие сервисы.
Начнем с того, что совсем недавно поисковые системы не могли эффективно искать в интернете интересующие вас изображения. Весь процесс поиска происходил всего лишь по словам, которые мы вводили в поиске. Это было очень сложно! Ведь искомое изображение напрямую зависело от своего описания, которое могло встречаться в тексте рядом с изображением на различных сайтах, а также, от названия картинки.
Например:
Вы ищите картины известного художника Пабло Пикассо. Да, поисковик найдет вам его картины, но и рядом с ними он мог найти изображение, которое нарисовал ребенок, а его родитель шутливо подписал его: «Величайшая работа Пабло Пикассо!».
Конечно, может вы профессионал и без труда отличите оригинал от картины ребенка, но, не всем это по зубам. Если хотите, можете попробовать пройти тест, как раз на эту тему: Это искусство или детский лепет?Но все же мы растем и развиваемся, и то же самое можно сказать про поисковые системы. Сегодня существуют всего несколько сервисов, которым можно отдать предпочтение. В тройке лидеров естественно Яндекс и Гугл, а на третьей строчке менее известный TinEye. К слову Bing и Rambler до сих пор ищут картинки по словам. А мы начнем обзор.
Поиск по картинке в Google
Итак, начнем с гиганта Google. В данном поисковике вы можете найти картинку двумя способами:
Способ № 1
Для поиска картинки в Гугл перейдите по ссылке images.google.ru или перейдите на главную страницу Google и нажмите на «Картинки». Затем кликните на иконку фотоаппарата.
У вас будет три варианта загрузить свое изображение для поиска:
- Указать ссылку.
- Загрузить файл с компьютера.
- Перетащить изображение непосредственно в область поиска.
Способ № 2
Очень удобный способ для тех, кто использует по умолчанию браузер «Google Chrome». Если вы нашли нужную вам картинку, но вас, допустим, не устраивает ее размер или качество, то нажав на нее правой кнопкой мыши, кликните «Найти картинку (Google)» и Гугл предоставит вам все варианты изображения.
Результат
Вот что нам выдал Гугл после поиска фото Vision Mercedes-Maybach 6:
Здесь Гугл предлагает дополнительные критерии поиска по размерам, похожие изображения и сайты, на которых может находиться ваше искомое изображение.
Поиск по картинке в Яндексе
Далее рассмотрим поиск по картинке в самой мощной поисковой системе рунета — Yandex. Здесь, как и в Google отыскать изображение можно двумя способами, которые практически идентичны с Гуглом.
Способ № 1
Для поиска по картинке в Яндексе перейдите по ссылке yandex.ru/images или перейдите на главную страницу Yandex и нажмите на «Картинки». Затем кликните на иконку фотоаппарата.
Как и у Google, имеется три варианта загрузки изображения для поиска:
- Ввести адрес картинки, то есть URL.
- Загрузить файл с компьютера.
- Перетащить изображение непосредственно в область поиска.
Способ № 2
Данный способ удобен для тех, кто использует браузер Яндекса по умолчанию. Как и в случае с Гугл, просто кликните на нужную картинку правой кнопкой мыши, затем «Найти это изображение в Яндексе».
Результат
Вот что нам выдал Яндекс после поиска фото Mercedes-Benz 300SL, 1954 г.:
Яндекс, в отличие от Гугла, не старается угадать что именно изображено на фото, вместо этого он предлагает удобную таблицу со всеми возможными размерами.
Поиск по фото в TinEye
И наконец третий сервис поиска по картинке, который лидирует в нашем списке — это TinEye. Чтобы начать поиск, просто перейдите по ссылке tineye.com, загрузите или перетяните в область поиска нужное изображение.
Для теста мы выбрали фотографию Jaguar E-Type, 1965 г., намеренно удалив из названия любое упоминание о Jaguar. Как видно на скриншоте ниже, TinEye справился на отлично. Нашел 61 результат и даже указал правильное название автомобиля.
Какой выбрать сервис для поиска картинок?
Подвести итог можно очень просто. Во время проведения эксперимента мы тестировали не одно изображение в различных сервисах. На наш взгляд, данные три справились более чем хорошо и как нам кажется, лучше всего использовать Гугл или Яндекс, так как последнее приложение на английском языке. Если с языкового барьера нет, то смело можно использовать то, которое нравиться больше. Также стоит отметить, что вышеупомянутые сервисы конечно же не совершенны, поэтому, при поиске чего-то специфического, можно протестировать все три. Но помните, что если они не справились с вашей задачей, то никто больше и не справиться. Далее рассмотрим, как осуществить поиск по картинке с телефона.
Поиск по картинке с телефона (Android, iPhone).
Чтобы найти фото, картинку или любое другое изображение с телефона, не нужно прикладывать никаких усилий. Все точно также легко и просто, как и на обычном компьютере. Поиск можно осуществить по картинке, которая у вас на смартфоне или по той, которую вы нашли в интернете.
Итак, допустим, вас заинтересовала фотография девушки, которая изображена ниже и вы бы хотели узнать о ней больше. Для этого, конечно, вам нужно отправить ее в поиск одной из поисковых систем Google или Yandex.
Тапните на фото и удерживайте до появления всплывающего меню.
Кликните на «Найти это изображение в Google» и в мгновенно попадете на страницу с результатами того, что нашел поисковик. В Яндекс браузере вы сможете проделать точно такую же манипуляцию. Если ваша картинка или фото находится у вас на смартфоне, тогда для поиска вам нужно проделать такие же шаги, как и на компьютере (см. начало статьи).
Поиск по картинке при помощи мобильных приложений.
Далее мы рассмотрим способы поиска по картинке, для которых требуется установка стороннего приложения на смартфон.
— 1 —
Google Googles (Android)
— 2 —
CamFind (Android, iOS)
Данное приложение очень похоже на Google Googles, но больше помогает найти какие-нибудь товары в магазинах. Допустим, вам что-то понравилось, вы тут же можете сфотографировать данный предмет, вещь и т.д. и приложение поможет вам найти место, где можно это купить.
Браузерные расширения по поиску картинок, фото и изображений.
Иногда вы можете столкнуться с ситуацией, что вам нужно найти точное изображение и хотели бы проверить во всех сервисах сразу. Конечно, это займет не 2 часа, но все же придется повозиться. В этом вам может помочь сервис, а точнее браузерное расширение — PhotoTracker Lite. Работает с браузерами: Yandex, Chrome, Opera. Есть еще один бонус, приложение ищет картинки в поисковике Bing.
Таким образом, вы можете использовать все четыре сервиса одновременно, для поиска нужного изображения. Чтобы начать, установите расширение в ваш браузер.
После установки вы сможете настроить расширение, в каких сервисах искать, а также в каком окне открывать страницу с результатами (в фоновых или активных, для этого кликните на шестеренку «настройки»).
После настройки расширения, вы спокойно можете его использовать по назначению. Кликнув правой кнопкой мыши, как в Гугле и Яндексе, вы сможете увидеть новый подраздел «Искать это изображение». Кликаете и расширение перенаправит вас к результатам.
Но это еще не все, PhotoTracker Lite имеет еще одну приятную функцию поиска. Это «Иконка быстрого поиска», где все результаты будут загружены еще быстрее (вкл. и откл. в настройках расширения).
После клика на поиск у вас откроются результаты во всех выбранных (в зависимости от настроек) сервисах.
Стоит отметить, что данное расширение справляется со своей задачей очень хорошо и может быть очень полезно для тех, кто занимается фотографией, имеет непосредственное отношение по работе с изображениями и т.д.
Смотрите видео о том, как использовать расширение PhotoTracker Lite:
Несмотря на все недостатки, которые могут случиться при использовании данных сервисов и приложений, они все равно являются лучшими, которые существуют на сегодняшний день.
mustget.ru