تکنیک های هشویی سنتی مانند هشویی ادراکی (PHASH) و هش دهی حساس به محل (LSH) به طور گسترده ای برای تشخیص شباهت تصویر استفاده می شود. با این حال ، آنها اغلب در سناریوهای دنیای واقعی شکست می خورند که در آن تصاویر تحت تحولات مانند برداشت ، اضافه کردن سر و صدا یا تغییر رنگ قرار می گیرند.
شبکه های عصبی نمودار: یک رویکرد باهوش تر به شباهت تصویر
شبکه های عصبی نمودار (GNN) با مدل سازی روابط تصویر به عنوان یک نمودار و انتشار اطلاعات شباهت از طریق ارسال پیام ، جایگزین قوی تری ارائه می دهند. به جای درمان تصاویر به عنوان نهادهای منزویبا شبکه های عصبی نمودار (GNN) تصاویر را نشان می دهد گره ها در یک نمودار جایی که لبه ها روابط خود را تعریف می کنند. این اجازه می دهد زمینه یادگیری آگاه تشخیص شباهت بسیار قوی تربشر
بیایید در مورد نیازهای دنیای واقعی صحبت کنیم
یک AI رانده شده را در نظر بگیرید سیستم اعتدال محتوا این باید روزانه تصاویر نامناسب را در بین میلیاردها بارگذاری روزانه تشخیص دهد. اگر یک تصویر پرچم دار باشد کمی تغییر یافته/خرد شده ، فیلتر یا تغییر اندازه هشویی سنتی شکست می خورد اجازه محتوای مضر برای فرار از تشخیصبشر
حالا تصور کنید موتور جستجوی تجارت الکترونیکی این به مشتریان کمک می کند محصولات مشابه را پیدا کنند. دو پیراهن با پس زمینه های مختلف اما طرح های یکسان ممکن است داشته باشد مقادیر پیکسل بسیار متفاوت اما هنوز هم باید به عنوان همان محصول شناخته شود.
در هر دو …