การค้นหารูปภาพย้อนกลับเป็น เทคนิค การค้นหารูปภาพตามเนื้อหา (CBIR) ที่เกี่ยวข้องกับการให้ระบบ CBIR มีรูปภาพตัวอย่างซึ่งระบบจะใช้เป็นพื้นฐานในการค้นหา ในแง่ของการค้นหาข้อมูลรูปภาพตัวอย่างนั้นมีประโยชน์มาก โดยเฉพาะอย่างยิ่ง การค้นหารูปภาพย้อนกลับมีลักษณะเด่นคือไม่มีคำค้นหา ซึ่งช่วยขจัดความจำเป็นที่ผู้ใช้จะต้องเดาคำหลักหรือคำต่างๆ ที่อาจให้ผลลัพธ์ที่ถูกต้องหรือไม่ก็ได้ การค้นหารูปภาพย้อนกลับยังช่วยให้ผู้ใช้ค้นพบเนื้อหาที่เกี่ยวข้องกับรูปภาพตัวอย่างเฉพาะ^{[ 1 ]}หรือความนิยมของรูปภาพ และค้นพบเวอร์ชันที่ถูกดัดแปลงและผลงานที่ดัดแปลงมาจากรูปภาพ^{[ 2 ]}

เครื่องมือค้นหาภาพ (Visual Search Engine)คือเครื่องมือค้นหาที่ออกแบบมาเพื่อค้นหาข้อมูลบนเวิลด์ไวด์เว็บโดยใช้การค้นหาภาพย้อนกลับ ข้อมูลอาจประกอบด้วยหน้าเว็บสถานที่ รูปภาพอื่นๆ และเอกสารประเภทอื่นๆ เครื่องมือค้นหาประเภทนี้ส่วนใหญ่ใช้ในการค้นหาบนอินเทอร์เน็ตบนมือถือโดยใช้ภาพของวัตถุที่ไม่รู้จัก (คำค้นหาที่ไม่รู้จัก) ตัวอย่างเช่น อาคารในเมืองต่างประเทศ เครื่องมือค้นหาเหล่านี้มักใช้เทคนิคการดึงภาพตามเนื้อหา (Content-Based Image Retrieval )

เครื่องมือค้นหาภาพจะค้นหาภาพและรูปแบบโดยใช้อัลกอริทึมที่สามารถจดจำได้และให้ข้อมูลที่เกี่ยวข้องโดยอิงจากเทคนิคการจับคู่รูปแบบที่เลือกหรือประยุกต์ใช้

การค้นหารูปภาพย้อนกลับอาจใช้เพื่อ: ^{[ 3 ]}

• ระบุแหล่งที่มาของภาพ
• ค้นหาเวอร์ชันที่มีความละเอียดสูงกว่านี้
• ค้นหาเว็บเพจที่มีรูปภาพดังกล่าวปรากฏอยู่
• ค้นหาผู้สร้างเนื้อหา
• รับข้อมูลเกี่ยวกับรูปภาพ

อัลกอริทึมการค้นหารูปภาพย้อนกลับที่ใช้กันทั่วไป ได้แก่: ^{[ 4 ]}

• การแปลงคุณลักษณะที่ไม่ขึ้นกับมาตราส่วน – เพื่อแยกคุณลักษณะเฉพาะที่ของภาพ^{[ 5 ]}
• บริเวณสุดขั้วที่มีเสถียรภาพสูงสุด
• ต้นไม้คำศัพท์

เครื่องมือค้นหารูปภาพคือเครื่องมือค้นหาที่ออกแบบมาเพื่อค้นหารูปภาพ การค้นหาสามารถทำได้โดยใช้คำหลัก รูปภาพ หรือลิงก์ไปยังรูปภาพบนเว็บไซต์ ผลลัพธ์จะขึ้นอยู่กับเกณฑ์การค้นหา เช่นเมตาเดตาการกระจายสี รูปร่าง ฯลฯ และเทคนิคการค้นหาที่เบราว์เซอร์ใช้

ปัจจุบันมีการใช้เทคนิคสองอย่างในการค้นหารูปภาพ:

การค้นหาด้วยเมตาเดตา:การค้นหารูปภาพนั้นอาศัยการเปรียบเทียบเมตาเดตาที่เกี่ยวข้องกับรูปภาพ เช่น คำหลัก ข้อความ ฯลฯ โดยได้มาจากการใช้ชุดรูปภาพที่จัดเรียงตามความเกี่ยวข้อง เมตาเดตาที่เกี่ยวข้องกับแต่ละรูปภาพอาจอ้างอิงถึงชื่อรูปภาพ รูปแบบ สี ฯลฯ และสามารถสร้างขึ้นได้ด้วยตนเองหรือโดยอัตโนมัติ กระบวนการสร้างเมตาเดตานี้เรียกว่าการจัดทำดัชนีภาพและเสียง

การค้นหาโดยใช้ตัวอย่าง:ในเทคนิคนี้ หรือที่เรียกว่าการค้นหารูปภาพย้อนกลับผลการค้นหาจะได้รับจากการเปรียบเทียบรูปภาพโดยใช้ เทคนิค การค้นหารูปภาพตามเนื้อหาด้วยคอมพิวเตอร์วิชั่น ในระหว่างการค้นหา เนื้อหาของรูปภาพจะถูกตรวจสอบ เช่น สี รูปร่าง พื้นผิว หรือข้อมูลภาพใดๆ ที่สามารถดึงออกมาจากรูปภาพได้ ระบบนี้ต้องการความซับซ้อนในการคำนวณ สูงกว่า แต่มีประสิทธิภาพและน่าเชื่อถือมากกว่าการค้นหาโดยใช้เมตาเดต้า

มีโปรแกรมค้นหารูปภาพบางโปรแกรมที่รวมเทคนิคการค้นหาทั้งสองแบบเข้าด้วยกัน ตัวอย่างเช่น การค้นหาครั้งแรกทำโดยการป้อนข้อความ จากนั้นจึงใช้รูปภาพที่ได้มาเพื่อปรับปรุงการค้นหาให้แม่นยำยิ่งขึ้น

เครื่องมือค้นหาวิดีโอคือเครื่องมือค้นหาที่ออกแบบมาเพื่อค้นหาวิดีโอในอินเทอร์เน็ต เครื่องมือค้นหาวิดีโอบางตัวประมวลผลการค้นหาโดยตรงในอินเทอร์เน็ต ในขณะที่บางตัวคัดกรองวิดีโอที่ทำการค้นหา เครื่องมือค้นหาบางตัวยังอนุญาตให้ใช้รูปแบบหรือความยาวของวิดีโอเป็นพารามิเตอร์ในการค้นหาได้ โดยปกติแล้วผลลัพธ์จะมาพร้อมกับภาพย่อของวิดีโอ

ปัจจุบัน เครื่องมือค้นหาวิดีโอเกือบทั้งหมดใช้คำหลัก (ค้นหาโดยใช้ข้อมูลเมตา) ในการค้นหา คำหลักเหล่านี้สามารถพบได้ในชื่อวิดีโอ ข้อความที่มาพร้อมกับวิดีโอ หรืออาจกำหนดโดยผู้สร้างวิดีโอ ตัวอย่างของการค้นหาประเภทนี้คือ YouTube

โปรแกรมค้นหาโมเดล 3 มิติ มีจุดประสงค์เพื่อค้นหาไฟล์ของวัตถุโมเดล 3 มิติจากฐานข้อมูลหรือเครือข่าย ในแง่แรก การใช้งานโปรแกรมค้นหาประเภทนี้อาจดูเหมือนไม่จำเป็น แต่เนื่องจากปริมาณข้อมูลบนอินเทอร์เน็ตเพิ่มขึ้นอย่างต่อเนื่อง การจัดทำดัชนีข้อมูลจึงมีความจำเป็นมากขึ้นทุกวัน

วิธีการเหล่านี้ถูกนำมาใช้กับเครื่องมือค้นหาแบบดั้งเดิมที่ใช้ข้อความ (คำหลัก/แท็ก) โดยที่ผู้เขียนเนื้อหาที่ถูกจัดทำดัชนีหรือผู้ใช้อินเทอร์เน็ตได้ให้คำหลักหรือแท็กเหล่านี้ไว้ เนื่องจากวิธีการนี้ไม่ได้ผลเสมอไป จึงมีการศึกษาเพิ่มเติมในการนำไปใช้ในเครื่องมือค้นหาที่ผสมผสานการค้นหาโดยใช้ข้อความกับการค้นหาเปรียบเทียบกับภาพวาด 2 มิติ ภาพวาด 3 มิติ และโมเดล 3 มิติ

มหาวิทยาลัยพรินซ์ตันได้พัฒนาเครื่องมือค้นหาที่รวมพารามิเตอร์ทั้งหมดเหล่านี้เพื่อทำการค้นหา ซึ่งจะช่วยเพิ่มประสิทธิภาพในการค้นหา^{[ 6 ]}

โปรแกรมค้นหารูปภาพบนมือถือเป็น เครื่องมือค้นหาประเภทหนึ่งที่ออกแบบมาสำหรับโทรศัพท์มือถือโดยเฉพาะ ซึ่งช่วยให้คุณค้นหาข้อมูลใดๆ บนอินเทอร์เน็ตได้ โดยใช้รูปภาพที่ถ่ายด้วยโทรศัพท์มือถือ ของคุณเอง หรือใช้คำค้นหา ( คีย์เวิร์ด ) โซลูชัน การค้นหาด้วยภาพบนมือถือช่วยให้คุณสามารถผสานรวมความสามารถของซอฟต์แวร์การจดจำภาพเข้ากับแอปพลิเคชันมือถือของคุณเองได้การค้นหาด้วยภาพบนมือถือ (MVS) ช่วยเชื่อมช่องว่างระหว่าง สื่อ ออนไลน์และออฟไลน์ทำให้คุณสามารถเชื่อมโยงลูกค้าของคุณกับเนื้อหาดิจิทัลได้

โทรศัพท์มือถือได้พัฒนาไปสู่อุปกรณ์ประมวลผลภาพและวิดีโอที่มีประสิทธิภาพสูง มาพร้อมกล้องความละเอียดสูง จอแสดงผลสี และกราฟิกที่เร่งความเร็วด้วยฮาร์ดแวร์ นอกจากนี้ยังติดตั้งระบบระบุตำแหน่งทั่วโลก (GPS) และเชื่อมต่อกับเครือข่ายไร้สายบรอดแบนด์มากขึ้นเรื่อยๆ ทั้งหมดนี้ทำให้เกิดแอปพลิเคชันรูปแบบใหม่ที่ใช้กล้องโทรศัพท์ในการค้นหาข้อมูลเกี่ยวกับวัตถุที่อยู่ใกล้เคียงกับผู้ใช้ (ภาพที่ 1) แอปพลิเคชันเหล่านี้สามารถนำไปใช้ได้ เช่น การระบุผลิตภัณฑ์ การเปรียบเทียบราคา การค้นหาข้อมูลเกี่ยวกับภาพยนตร์ แผ่นซีดี อสังหาริมทรัพย์ สื่อสิ่งพิมพ์ หรือผลงานศิลปะ

โดยทั่วไป เครื่องมือค้นหาประเภทนี้จะใช้เทคนิคการค้นหาด้วยตัวอย่างหรือการค้นหาด้วยภาพด้วยตัวอย่างซึ่งจะใช้เนื้อหา รูปร่าง พื้นผิว และสีของภาพเพื่อเปรียบเทียบกับฐานข้อมูลแล้วจึงแสดงผลลัพธ์ที่ใกล้เคียงกับคำค้นหา

ขั้นตอนการค้นหาข้อมูลในโทรศัพท์มือถือมีดังนี้:

ขั้นแรก ภาพจะถูกส่งไปยังแอปพลิเคชันเซิร์ฟเวอร์ เมื่ออยู่บนเซิร์ฟเวอร์แล้ว ภาพจะถูกวิเคราะห์โดยทีมวิเคราะห์ต่างๆ ซึ่งแต่ละทีมมีความเชี่ยวชาญในด้านต่างๆ ที่ประกอบกันเป็นภาพ จากนั้นแต่ละทีมจะตัดสินใจว่าภาพที่ส่งมานั้นมีเนื้อหาที่เกี่ยวข้องกับความเชี่ยวชาญของตนหรือไม่

เมื่อกระบวนการทั้งหมดเสร็จสิ้น คอมพิวเตอร์ส่วนกลางจะวิเคราะห์ข้อมูลและสร้างหน้าเว็บที่แสดงผลลัพธ์โดยเรียงลำดับตามประสิทธิภาพของแต่ละทีม จากนั้นจึงส่งผลลัพธ์นั้นไปยังโทรศัพท์มือถือ

Yandex Images ให้บริการค้นหารูปภาพและภาพถ่ายแบบย้อนกลับทั่วโลก เว็บไซต์นี้ใช้เทคโนโลยีการค้นหารูปภาพตามเนื้อหา (CBIR) มาตรฐานที่เว็บไซต์อื่นๆ ใช้กัน แต่ยังใช้เทคโนโลยีปัญญาประดิษฐ์เพื่อค้นหาผลลัพธ์เพิ่มเติมตามคำค้นหา^{[ 7 ]}ผู้ใช้สามารถลากและวางรูปภาพไปยังแถบเครื่องมือของเว็บไซต์เพื่อทำการค้นหารูปภาพที่คล้ายกันบนอินเทอร์เน็ต Yandex Images ค้นหาเว็บไซต์โซเชียลมีเดียที่ไม่ค่อยเป็นที่รู้จักบางแห่ง นอกเหนือจากเว็บไซต์ทั่วไป ซึ่งช่วยให้เจ้าของเนื้อหาสามารถติดตามการลอกเลียนแบบทรัพย์สินทางปัญญาของรูปภาพหรือภาพถ่ายได้

ฟีเจอร์ Search by Imageของ Google เป็นฟีเจอร์ที่ใช้การค้นหารูปภาพแบบย้อนกลับและอนุญาตให้ผู้ใช้ค้นหารูปภาพที่เกี่ยวข้องโดยการอัปโหลดรูปภาพหรือคัดลอก URL ของรูปภาพ Google ทำเช่นนี้โดยการวิเคราะห์รูปภาพที่ส่งมาและสร้างแบบจำลองทางคณิตศาสตร์ จากนั้นจะนำไปเปรียบเทียบกับรูปภาพอื่นๆ ในฐานข้อมูลของ Google ก่อนที่จะส่งคืนผลลัพธ์ที่ตรงกันและคล้ายคลึงกัน เมื่อมีข้อมูล Google ยังใช้ข้อมูลเมตาเกี่ยวกับรูปภาพ เช่น คำอธิบาย ในปี 2022 ฟีเจอร์นี้ถูกแทนที่ด้วยGoogle Lensเป็นวิธีการค้นหารูปภาพเริ่มต้นบน Google และฟังก์ชัน Search by Image แบบเก่าก็ยังคงใช้งานได้ภายใน Google Lens ^{[ 8 ]}

TinEyeเป็นเครื่องมือค้นหาที่เชี่ยวชาญด้านการค้นหารูปภาพย้อนกลับ เมื่อส่งรูปภาพ TinEye จะสร้าง "ลายเซ็นดิจิทัลหรือลายนิ้วมือที่ไม่ซ้ำกันและกระชับ" ของรูปภาพดังกล่าวและจับคู่กับรูปภาพอื่นๆ ที่จัดทำดัชนีไว้^{[ 9 ]}ขั้นตอนนี้สามารถจับคู่แม้กระทั่งรูปภาพที่ได้รับการแก้ไขอย่างมาก แต่โดยปกติแล้วจะไม่แสดงรูปภาพที่คล้ายกันในผลลัพธ์^{[ 10 ]}

Lenso.ai เป็นเครื่องมือค้นหารูปภาพย้อนกลับบนเว็บที่ใช้ปัญญาประดิษฐ์ในการระบุแหล่งที่มาของรูปภาพและตรวจจับรูปภาพที่คล้ายคลึงกัน^{[ 11 ]}และทำการค้นหาการจดจำใบหน้า^{[ 12 ]}

เทคโนโลยีการค้นหารูปภาพย้อนกลับของ Pixsy ตรวจจับการจับคู่รูปภาพ^{[ 13 ]}บนอินเทอร์เน็ตสาธารณะสำหรับรูปภาพที่อัปโหลดไปยังแพลตฟอร์ม Pixsy ^{[ 14 ]}การจับคู่ใหม่จะถูกตรวจพบโดยอัตโนมัติและส่งการแจ้งเตือนไปยังผู้ใช้ สำหรับการใช้งานที่ไม่ได้รับอนุญาต Pixsy มีบริการชดเชย^{[ 15 ] [ 16 ]}สำหรับการใช้งานเชิงพาณิชย์ของผลงานของเจ้าของรูปภาพ Pixsy ร่วมมือกับสำนักงานกฎหมายและทนายความกว่า 25 แห่งทั่วโลกเพื่อแก้ไขปัญหาการละเมิดลิขสิทธิ์ Pixsy เป็นบริการตรวจสอบรูปภาพเชิงกลยุทธ์สำหรับแพลตฟอร์ม Flickr และผู้ใช้^{[ 17 ]}

eBay ShopBot ใช้การค้นหารูปภาพย้อนกลับเพื่อค้นหาสินค้าจากรูปภาพที่ผู้ใช้อัปโหลด eBay ใช้เครือข่าย ResNet-50 สำหรับการจดจำหมวดหมู่ แฮชรูปภาพจะถูกเก็บไว้ในGoogle BigtableงานApache Sparkดำเนินการโดย Dataproc ของ Google Cloud Platformสำหรับการดึงแฮชรูปภาพ และบริการจัดอันดับรูปภาพถูกใช้งานโดยKubernetes ^{[ 18 ]}

SK Planetใช้การค้นหารูปภาพย้อนกลับเพื่อค้นหาสินค้าแฟชั่นที่เกี่ยวข้องบนเว็บไซต์อีคอมเมิร์ซของตน โดยได้พัฒนาเครือข่ายตัวเข้ารหัสภาพโดยใช้TensorFlow inception-v3ซึ่งมีความเร็วในการบรรจบกันและการวางนัยทั่วไปสำหรับการใช้งานจริงเครือข่ายประสาทแบบวนซ้ำถูกใช้สำหรับการจำแนกประเภทหลายคลาส และการตรวจจับพื้นที่ที่สนใจของผลิตภัณฑ์แฟชั่นนั้นใช้Faster R-CNNระบบค้นหารูปภาพย้อนกลับของ SK Planet ถูกสร้างขึ้นในเวลาน้อยกว่า 100 เดือน^{[ 19 ]}

Alibabaเปิด ตัวแอปพลิเคชัน Pailitaoในปี 2557 Pailitao ( ภาษาจีน :拍立淘แปลตรงตัวว่า ช้อปปิ้งผ่านกล้อง) อนุญาตให้ผู้ใช้ค้นหาสินค้าบนแพลตฟอร์มอีคอมเมิร์ซของ Alibaba โดยการถ่ายภาพวัตถุที่ต้องการค้นหา แอปพลิเคชัน Pailitao ใช้โมเดล CNN เชิงลึกที่มีสาขาสำหรับการตรวจจับร่วมและการเรียนรู้คุณลักษณะเพื่อค้นหามาสก์การตรวจจับและคุณลักษณะการจำแนกที่แม่นยำโดยไม่มีการรบกวนจากพื้นหลังGoogLeNet V1 ถูกนำมาใช้เป็นโมเดลพื้นฐานสำหรับการทำนายหมวดหมู่และการเรียนรู้คุณลักษณะ^{[ 20 ] [ 21 ]}

Pinterestเข้าซื้อกิจการบริษัทสตาร์ทอัพ VisualGraphในปี 2014 และเปิดตัวการค้นหาด้วยภาพบนแพลตฟอร์มของตน^{[ 22 ]}ในปี 2015 Pinterest ได้เผยแพร่บทความในการ ประชุม ACM Conference on Knowledge Discovery and Data Miningและเปิดเผยสถาปัตยกรรมของระบบ ระบบนี้ใช้Apache Hadoop , เฟรมเวิร์ก เครือข่ายประสาทเทียมแบบ Convolutional Caffe แบบโอเพนซอร์ส, Cascadingสำหรับการประมวลผลแบบกลุ่ม, PinLaterสำหรับการส่งข้อความ และApache HBaseสำหรับการจัดเก็บข้อมูล คุณลักษณะของภาพ รวมถึงคุณลักษณะเฉพาะที่ คุณลักษณะเชิงลึก ลายเซ็นสีที่โดดเด่น และพิกเซลที่โดดเด่น จะถูกดึงออกมาจากการอัปโหลดของผู้ใช้ ระบบนี้ดำเนินการโดยAmazon EC2และต้องการเพียงคลัสเตอร์ของอินสแตนซ์ GPU 5 ตัวเพื่อจัดการกับการอัปโหลดภาพรายวันไปยัง Pinterest ด้วยการใช้การค้นหาภาพย้อนกลับ Pinterest สามารถดึงคุณลักษณะภาพจากวัตถุแฟชั่น (เช่น รองเท้า ชุดเดรส แว่นตา กระเป๋า นาฬิกา กางเกง กางเกงขาสั้น บิกินี่ ต่างหู) และนำเสนอคำแนะนำผลิตภัณฑ์ที่ดูคล้ายกัน^{[ 23 ] [ 24 ]}

JD.comเปิดเผยการออกแบบและการใช้งานระบบค้นหาภาพแบบเรียลไทม์ในการประชุม Middleware '18บทความที่ได้รับการตรวจสอบ โดยผู้ทรง คุณวุฒิเน้นที่อัลกอริธึมที่ใช้โดยระบบการสกัดคุณลักษณะภาพแบบลำดับชั้นแบบกระจาย การจัดทำดัชนี และการเรียกค้นข้อมูลของ JD ซึ่งมีผู้ใช้งานประจำวัน 300 ล้านคน ระบบนี้สามารถรองรับการอัปเดตฐานข้อมูลได้ 80 ล้านครั้งต่อชั่วโมงเมื่อนำไปใช้งานจริงในปี 2018 ^{[ 25 ]}

Microsoft Bingได้เผยแพร่สถาปัตยกรรมของระบบค้นหารูปภาพย้อนกลับในการประชุม KDD'18 เอกสารระบุว่ามีการใช้คุณลักษณะต่างๆ จากรูปภาพที่ผู้ใช้ส่งมาเพื่ออธิบายเนื้อหา รวมถึงการใช้ ตัวเข้ารหัส เครือข่ายประสาทเทียมเชิงลึกคุณลักษณะการจดจำหมวดหมู่ คุณลักษณะ การจดจำใบหน้าคุณลักษณะสี และคุณลักษณะการตรวจจับซ้ำ^{[ 26 ]}

Amazon.comเปิดเผยสถาปัตยกรรมของเครื่องมือค้นหาภาพสำหรับสินค้าแฟชั่นและของใช้ในบ้านชื่อAmazon Shop the Lookในเอกสารที่ตีพิมพ์ในการประชุม KDD'22 เอกสารดังกล่าวอธิบายถึงบทเรียนที่ Amazon ได้รับเมื่อนำไปใช้งานในสภาพแวดล้อมการผลิต รวมถึงการเพิ่มประสิทธิภาพข้อมูลโดยใช้การสังเคราะห์ภาพเพื่อเพิ่มประสิทธิภาพการค้นหาและปรับปรุงความแม่นยำ^{[ 27 ]}

ห้องปฏิบัติการปักกิ่งของ Microsoft Research Asia ได้ตีพิมพ์บทความในProceedings of the IEEEเกี่ยวกับระบบ Arista-SS (Similar Search) และ Arista-DS (Duplicate Search) ระบบ Arista-DS ดำเนินการเฉพาะอัลกอริทึมการค้นหาซ้ำ เช่นการวิเคราะห์ส่วนประกอบหลักบนคุณลักษณะภาพโดยรวมเพื่อลดต้นทุนการคำนวณและหน่วยความจำ ระบบ Arista-DS สามารถทำการค้นหาซ้ำบนภาพ 2 พันล้านภาพด้วยเซิร์ฟเวอร์ 10 เครื่อง แต่มีข้อเสียคือไม่สามารถตรวจจับภาพที่ใกล้เคียงกันได้^{[ 28 ]}

ในปี พ.ศ. 2550 ไลบรารี Puzzle ได้รับการเผยแพร่ภายใต้ใบอนุญาต ISC Puzzle ได้รับการออกแบบมาเพื่อนำเสนอการค้นหารูปภาพย้อนกลับที่มีลักษณะคล้ายกัน แม้ว่ารูปภาพจะถูกปรับขนาด บีบอัดใหม่ เปลี่ยนสี และ/หรือแก้ไขเล็กน้อยแล้วก็ตาม^{[ 29 ]}

โครงการ โอเพนซอร์ส image-match เปิดตัวใน ปี 2016 โครงการนี้ได้รับอนุญาตภายใต้Apache Licenseและใช้งานเครื่องมือค้นหารูปภาพย้อนกลับที่เขียน^ด้วย Python [ ^{30 ]}

ทั้งไลบรารี Puzzleและ โปรเจกต์ จับคู่รูปภาพใช้อัลกอริธึมที่เผยแพร่ในการประชุม IEEE ICIP ^{[ 31 ]}

ในปี 2017 Facebookได้เผยแพร่ไลบรารี FAISSภายใต้ใบอนุญาต MIT ^{[ 32 ]} FAISS สามารถใช้ในการค้นหาความคล้ายคลึงและการจัดกลุ่มเวกเตอร์หนาแน่น ซึ่งใช้ในเครื่องมือค้นหารูปภาพย้อนกลับและเครื่องมือค้นหาความคล้ายคลึงของรูปภาพ^{[ 33 ] [ 34 ]}

ในปี 2019 หนังสือที่ตีพิมพ์โดยO'Reillyได้บันทึกวิธีการสร้างระบบค้นหารูปภาพย้อนกลับแบบง่ายๆ ได้ภายในไม่กี่ชั่วโมง หนังสือเล่มนี้ครอบคลุมถึงการสกัดคุณลักษณะของภาพและการค้นหาความคล้ายคลึงกัน รวมถึงหัวข้อขั้นสูงอื่นๆ เช่น ความสามารถในการปรับขนาดโดยใช้ GPU และการปรับแต่งเพื่อปรับปรุงความแม่นยำในการค้นหา^{[ 35 ]}รหัสสำหรับระบบนี้เปิดให้ใช้งานได้ฟรีบนGitHub ^{[ 36 ]}

ความต้องการในการประมวลผลสำหรับการค้นหาวิดีโอย้อนกลับจะสูงมาก ไม่มีเครื่องมือใดที่ใช้งานง่ายเพียงแค่อัปโหลดวิดีโอเพื่อค้นหาผลลัพธ์ที่ตรงกัน ปัจจุบันยังไม่มีเทคโนโลยีใดที่สามารถทำการค้นหาวิดีโอย้อนกลับได้อย่างประสบความสำเร็จ^{[ 37 ] [ 38 ]}

• Google ImagesและGoogle Lens ^{[ 39 ]}
• บิง
• Yandex Images

วิกิมีเดียคอมมอนส์มีสื่อที่เกี่ยวข้องกับการค้นหารูปภาพย้อนกลับ

• การค้นหารูปภาพตามเนื้อหา
• เครื่องมือค้นหาภาพ
• ค้นหาเฟซ