Búsqueda visual en bing

He probado muchos buscadores de imágenes visualmente similares, pero todos se limitan a cruzar todos los archivos entre sí para encontrar todas las combinaciones posibles de imágenes similares. Ninguno lo ofrece para una sola imagen especificada, como yo lo necesito.
En caso de preocupación por la privacidad, es posible guardar y alojar la página de la herramienta localmente (por ejemplo, en http://localhost:8000/ con un servidor local de Python). De esta manera, ninguna información pasará a Internet en absoluto.
He desarrollado un producto de software que actualmente está en fase Beta, y actualmente es gratuito. Eliges conjuntos de carpetas (la carpeta raíz de un conjunto de carpetas, o por sí sola) y el software encontrará imágenes similares en los conjuntos, siempre que sean muy parecidas (casi la misma imagen). Lo único es que la primera vez tarda en analizar todas las imágenes (1 hora para 15.000 imágenes sólo la primera vez, en mi PC). Pruébalo y si quieres, haz una sugerencia y trataré de acomodar tu petición en una futura versión. El sitio web es HomeMediaTools.com. Por favor, informa de cualquier problema y dame tu opinión sobre tu experiencia. Siempre se agradece.

La mejor búsqueda inversa de imágenes

La búsqueda inversa de imágenes es una técnica de consulta de recuperación de imágenes basada en el contenido (CBIR) que consiste en proporcionar al sistema CBIR una imagen de muestra en la que basará su búsqueda; en términos de recuperación de información, la imagen de muestra es la que formula una consulta de búsqueda. En concreto, la búsqueda inversa de imágenes se caracteriza por la ausencia de términos de búsqueda. Esto elimina la necesidad de que el usuario adivine palabras clave o términos que pueden o no devolver un resultado correcto. La búsqueda inversa de imágenes también permite a los usuarios descubrir contenidos relacionados con una imagen de muestra específica,[1] la popularidad de una imagen y descubrir versiones manipuladas y obras derivadas[2].
TinEye es un motor de búsqueda especializado en la búsqueda inversa de imágenes. Al enviar una imagen, TinEye crea una «firma digital única y compacta o huella dactilar» de dicha imagen y la compara con otras imágenes indexadas[6]. Este procedimiento es capaz de comparar incluso versiones muy editadas de la imagen enviada, pero no suele devolver imágenes similares en los resultados[7].

Búsqueda de imágenes del siluro

Conozco el «SIFT» y otros algoritmos para encontrar fotos «visualmente similares», pero sólo funcionan para comparar una foto directamente con otra. Es decir, encontrar fotos similares a una foto dada es una operación O(n), para encontrar todas las fotos visualmente similares sería O(n^2) — ambas son prohibitivamente lentas.
Por «visualmente similar» quiero decir muy similar, es decir, una foto que ha sido ligeramente retocada/recoloreada en Photoshop, ligeramente recortada o redimensionada, fotos tomadas en rápida sucesión de la misma escena, o imágenes volteadas o rotadas.
Básicamente, puedes hacer un cálculo fuera de línea de las imágenes de destino. Se puede extraer de esas imágenes un conjunto de características para crear un libro de códigos con algoritmos como la agrupación de k-means. La búsqueda de las imágenes más cercanas dará lugar a la aplicación de un algoritmo como Nearest neighbor search en el espacio del libro de códigos.

Ver más

Conozco el «SIFT» y otros algoritmos para encontrar fotos «visualmente similares», pero sólo funcionan para comparar una foto directamente con otra. Es decir, encontrar fotos similares a una foto dada es una operación O(n), para encontrar todas las fotos visualmente similares sería O(n^2) — ambas son prohibitivamente lentas.
Por «visualmente similar» quiero decir muy similar, es decir, una foto que ha sido ligeramente retocada/recoloreada en Photoshop, ligeramente recortada o redimensionada, fotos tomadas en rápida sucesión de la misma escena, o imágenes volteadas o rotadas.
Básicamente, puedes hacer un cálculo fuera de línea de las imágenes de destino. Se puede extraer de esas imágenes un conjunto de características para crear un libro de códigos con algoritmos como la agrupación de k-means. La búsqueda de las imágenes más cercanas dará lugar a la aplicación de un algoritmo como Nearest neighbor search en el espacio del libro de códigos.