Comment créeriez-vous le moteur de recherche Google Images ?

Nous pouvons considérer ce problème comme un problème de classement. Nous avons besoin d'un modèle qui prend en entrée deux images et renvoie un score de similarité. En utilisant ce modèle, nous pouvons ensuite classer les images en fonction de ce score de similarité. Une approche de modélisation typique consiste à utiliser des modèles capables d'apprendre une représentation vectorielle (intégration) des images et de calculer une métrique de similarité sur ces vecteurs. Nous avons besoin d'un modèle capable d'extraire les caractéristiques de l'image pour apprendre une représentation vectorielle des images, et nous avons besoin d'un modèle capable d'extraire les caractéristiques du texte pour apprendre une représentation vectorielle des entrées de texte. Nous devons co-entraîner les modèles d'image et de texte afin que les représentations vectorielles soient sémantiquement alignées.

Pour garantir une récupération rapide, nous avons besoin d'un moyen de stocker les images existantes et de rechercher rapidement des images similaires. Puisque nous codons les images dans leurs représentations vectorielles, il semble logique d'indexer les images dans une base de données vectorielles. Le pipeline d'indexation convertit les images originales en leurs représentations vectorielles et les indexe dans une base de données vectorielles.

Lorsqu'un utilisateur saisit une requête de texte ou d'image, nous devons renvoyer une liste d'images. Le service de génération d'intégration génère un codage d'intégration de la requête d'entrée. La requête d'intégration est envoyée à la base de données vectorielle qui renvoie les voisins les plus proches de la requête. Le service de reclassement est principalement utilisé pour reclasser les voisins les plus proches en utilisant un meilleur modèle que le modèle de génération d'intégration. Il pourrait être utilisé pour personnaliser le classement en fonction d'un utilisateur spécifique en utilisant des données spécifiques à l'utilisateur. La liste résultante est une liste d'ID d'image, et elle est ensuite envoyée au magasin d'images pour récupérer les images réelles à renvoyer à l'utilisateur.

Auteur

Ai Base Network (ABN), ABN ASIA a été fondée par des personnes ayant des racines profondes dans le milieu académique, avec une expérience professionnelle aux États-Unis, aux Pays-Bas, en Hongrie, au Japon, en Corée du Sud, à Singapour et au Vietnam. ABN ASIA est l'endroit où l'académie et la technologie rencontrent l'opportunité. Avec nos solutions de pointe et nos services de développement logiciel compétents, nous aidons les entreprises à se développer et à s'imposer sur la scène mondiale. Notre engagement : Plus vite. Mieux. Plus fiable. Dans la plupart des cas : moins cher également.

N'hésitez pas à nous contacter chaque fois que vous avez besoin de services informatiques, de conseils en matière de numérique, de solutions logicielles prêtes à l'emploi, ou si vous souhaitez nous envoyer des demandes de propositions (RFP). Vous pouvez nous contacter à l'adresse [email protected]. Nous sommes prêts à vous aider avec tous vos besoins technologiques.