Billedsøgningsteknikker, du bør kende

Åbn en hvilken som helst app til sociale medier lige nu, og tæl, hvor mange sekunder der går, før du møder en blok med almindelig tekst uden et billede. Jeg er sikker på, at du kommer til at vente længe! 

Internettet er i overvældende grad og uigenkaldeligt et visuelt medie. 

En anslået 14 milliarder billeder deles dagligt på tværs af sociale medieplatforme. Google Image Search indekserer i øjeblikket anslået 136 milliarder billeder, og eksperter siger, at det tal kan nå op på 382 milliarder i 2030 med det nuværende tempo i billedskabelsen.

Blandt alle disse billeder er det virkelig svært at finde et virkelig brugbart, korrekt licenseret billede, som rent faktisk viser det, det hævder at vise.

I denne artikel vil du lære det:

• Hvad billedsøgning er og dens forskellige former

• Praktisk vejledning i at bruge avancerede billedsøgningsteknikker effektivt

• Sådan beskytter du dig mod falske billeder på nettet

---

Det vigtigste at tage med

• Brugbare billedsøgningsresultater afhænger af, hvor specifikke dine søgeord er, hvilken platform du søger på, og hvilke filtre du bruger til opløsning og brugsrettigheder.

• En gennemsnitlig person støder på en masse misinformation på deres sociale medier, og her er omvendt billedsøgning et underudnyttet værktøj.

• Du kan finde gratis billeder i høj kvalitet på Creative Commons-licenser, Openverse, public domain-samlinger fra Smithsonian, Metropolitan Museum, Library of Congress osv.

• Uopdagelig AI-billeddetektor, der bruges sammen med omvendt søgning og metadatainspektion, giver stærk verifikation mod AI-genererede billeder. 

---

Hvad er en billedsøgeteknik?

En billedsøgeteknik er enhver metode, der gør det muligt for et computersystem at finde og hente information baseret på visuelt indhold. 

Da forskere først begyndte at udforske billedsøgningsteknikker i begyndelsen af 1990'erne, var deres tilgang latterligt enkel i forhold til nutidens standarder. 

Christel Faloutsos og hans kolleger hos IBM var grundlæggerne af Forespørgsel efter billedindhold i 1994.

QBIC kan søge i billeddatabaser ved hjælp af farve, tekstur og form. En rød, cirkulær genstand ville matche andre røde, cirkulære genstande. Det var mere eller mindre det hele.

I øjeblikket omfatter billedsøgning en overraskende bred vifte af tilgange: 

1. Tekstbaseret billedsøgning, hvor du skriver nøgleord og henter billeder, der er tagget med matchende metadata, i bund og grund det, som Google Images startede med

2. Indholdsbaseret billedhentning, eller CBIR, som analyserer det visuelle indhold

3. Omvendt billedsøgning, hvor du giver et billede til Google Lens og TinEye og beder systemet om at finde visuelt lignende billeder.

Brug omvendt billedsøgning effektivt

Den grundlæggende mekanisme for omvendt billedsøgning er ganske enkel.

Det eneste, du skal gøre, er at fodre systemet med et billede, enten ved at uploade en fil eller, som i Google Lens' tilfælde, ved bogstaveligt talt at rette telefonens kamera mod noget i den fysiske verden.

Den analyserer det visuelle indhold og giver dig de resultater, der er visuelt ens eller kontekstuelt relateret til dit billede. 

Men hvordan får man egentlig disse teknikker til billedsøgning til at fungere bedre? 

Google Lens er uden tvivl det mest nyttige værktøj til forbrugerprodukter, vartegn og alt, hvad der sandsynligvis vil have en betydelig tilstedeværelse på nettet. 

Her er resultatet af Google Lens, da vi forsynede den med et billede af Harvard Law-bygningen:

TinEye blev bygget specielt til at spore billedets oprindelse. Den har indekseret billeder siden 2008 og har akkumuleret over 62 milliarder billeder i sin database ved de seneste optællinger. 

Yandex Images har en tendens til at fungere bedst på ansigtsgenkendelse og på billeder, der er mere udbredte i ikke-engelske webområder, især østeuropæiske. 

A Undersøgelse af cybersikkerhed i 2022 foretog en grundig black-box-sammenligning af disse platforme og fandt ud af, at deres nøjagtighed ved omvendt billedsøgning var: 

• Google: 65%

• Bing: 55%

• Yandex: 50%

Mange gange vil det billede, du er interesseret i, have en masse visuel støj. For eksempel en travl baggrund, flere objekter, mennesker, der står omkring det, du vil fokusere på i din søgning. 

Så sørg for at beskære til det specifikke emne, du vil undersøge, så systemet heller ikke bliver forvirret.

Tips til at finde billeder af høj kvalitet

Et par bevidste justeringer af, hvordan du søger, og hvad du filtrerer efter, kan give dig meget bedre billeder end en generisk søgning. 

• Brug klare søgeord

Hvor specifikke dine søgeord er, har direkte indflydelse på de resultater, du får. 

Søgemaskiner matcher billeder til forespørgsler i høj grad gennem tilknyttede metadata og omgivende tekst. Forskning i nøgleordsbaseret billedsøgning har vist, at eksplicitte og præcise søgeordsforespørgsler giver mere relevante resultater. 

Prøv at tænke på dit målbillede i lag. Begynd med motivet, og tilføj så beskrivelser af stil, omgivelser, stemning, belysning og tilsigtet brug. 

Også institutionelle arkiver som museer eller universiteter og dedikerede stock photo-platforme giver dig andre typer billeder end en generel søgning på nettet. 

Hvis du er ude efter et historisk fotografi, er Google Images nok ikke det bedste værktøj til at finde det. Library of Congress, Europeana eller Smithsonian's samlinger med åben adgang er langt mere tilbøjelige til at give dig det, du har brug for.

• Filtrer efter billedopløsning

Opløsning er i al sin enkelhed et billedes dimension. Det er muligt, at et billede ser fint ud i miniaturestørrelse, men bliver til et pixeleret rod, når det udskrives. 

Du kan filtrere størrelsen på dit ønskede billede med indbyggede søgefunktioner i næsten alle billedsøgningsværktøjer. Google Images’ avancerede søgning giver dig f.eks. mulighed for at filtrere resultaterne efter størrelse, format, brugsrettigheder og mange andre parametre. 

På Google Billeder kan du få adgang til disse filtre under “Værktøjer”, når du har foretaget en indledende søgning. Du kan også bare klik her for at prøve det.

Søgeplatforme, der er specifikke for billeder, som Unsplash, Pexels og Adobe Stock, er bygget op omkring høj opløsning som udgangspunkt. Det er usandsynligt, at du finder noget under en brugbar tærskel der.

Den opløsning, du har brug for, afhænger i høj grad af, hvad du bruger billedet til. 

• 72 DPI, eller alt over 1000 pixels, er standardopløsningen til webbrug.

• Til et helsides print af et billede skal du bruge mindst 300 DPI eller op til 2500 x 3500 pixels.

JPEG-formatet er fint for det meste. Hvis du har brug for et billede med en gennemsigtig baggrund, vil PNG eller TIFF bevare flere data.

• Tjek copyright eller brugsrettigheder

At finde et billede og være i stand til at bruge det er to helt forskellige ting. 

Ifølge DMCA-sporingsdata, udgør billeder 23% af alle copyright-relaterede takedown-anmodninger, den største enkeltstående kategori af individuelt målrettet indholdstype online. 

Det sikreste sted at få brugbare billeder er at søge på steder, hvor brugsrettighederne er eksplicitte fra starten. 

Creative Commons-licenser findes på et spektrum fra “fri til enhver brug” til “tilskrivning påkrævet” til “kun til ikke-kommerciel brug”.”

Den Creative Commons-søgeværktøj, nu kaldet Openverse, giver dig mulighed for at filtrere din søgning efter licenstype. Du kan finde billeder, der matcher dine behov, uden at skulle bekymre dig om tilladelser. 

Mange public domain-billedsamlinger fra institutionelle arkiver er bredt tilgængelige og gratis at bruge.

Metropolitan Museum of Art har over 490.000 billeder i høj opløsning i sin public domain-samling, som alle kan downloades og genbruges uden begrænsninger. 

Faktisk giver Google Images Advanced Search dig også mulighed for at filtrere dine billeder baseret på “brugsrettigheder”.”

Hvordan usynlig AI forbedrer billedsøgning

Kløften mellem, hvad folk ønsker at finde, og hvad de rent faktisk søger efter, har længe været et anerkendt problem inden for informationssøgning. 

De fleste brugere ved ikke rigtig, hvordan de skal konstruere specifikke søgeforespørgsler. Du kan bruge Undetectable AI-chat til at hjælpe dig med at finde de rigtige nøgleord, der beskriver de billeder, du har i tankerne, før du går til et billedsøgningsværktøj. 

Et andet problem, vi står over for med billeder, er, om de er ægte eller ej. En storstilet undersøgelse udgivet på arXiv analyserede ca. 287.000 billedevalueringer fra over 12.500 deltagere over hele verden.

Det viste sig, at mennesker kun havde en succesrate på 62%, når de forsøgte at skelne AI-genererede billeder fra rigtige.

Undetectable AI Image Detector kører en analyse på pixelniveau for at lede efter mønstre i tekstur, støj, farvemætning og strukturelle artefakter, der statistisk set er forbundet med generativ AI-produktion. 

Registreringen er baseret på pixelindhold i stedet for metadata. Så hvis et billedes metadata er blevet fjernet, og der ikke er noget vandmærke, vil du stadig kunne se dets AI-oprindelse.

Den er kompatibel med alle de følgende billedgeneratorer: 

• DALL-E

• Stabil diffusion

• Midt på rejsen

• Ideogram

• Flux

• Bing Image Creator

• GAN'er

• Nano-banan (Google DeepMind)

• Seedream

• Adobe Firefly

Undgå falske billeder på nettet

Det anslås, at over 500.000 deepfakes blev delt på sociale medier alene i 2023. Og det er bare den syntetiske variant.

Det tager ikke højde for den langt større mængde af ægte fotografier, der bevidst er fjernet fra konteksten eller genbrugt fra gamle begivenheder for at give et forkert billede af aktuelle begivenheder. 

Ifølge NewsGuard, som sporer kilder til misinformation, blev antallet af AI-aktiverede falske nyhedssider tidoblet i 2023, og det er kun vokset i 2026.

Når folk søger efter billeder relateret til breaking news, er disse falske, manipulerede billeder ofte blandt de mest cirkulerende og derfor også blandt de mest indekserede.

Så hver gang du støder på et billede, der vækker stærke reaktioner, skal du altid lave en omvendt søgning på det for at se, hvornår det blev brugt første gang, i hvilken sammenhæng det blev brugt, hvem der er kilden til billedet, og om kilden er troværdig. 

Vi har også en nyttig guide til hvordan man kan se, om et billede er AI-genereret eller falsk.

Når et billede redigeres og gemmes igen, komprimeres de manipulerede områder anderledes end de oprindelige sektioner. Det kan opdages ved hjælp af ELA-teknikken (Error Level Analysis) ved hjælp af det gratis webværktøj, FotoForensics.

Praktiske anvendelser af billedsøgning

Billedsøgning har langt flere anvendelsesmuligheder, end du kan forestille dig. Her er nogle af de praktiske anvendelser af billedsøgning:

• Hvis du har set en jakke, du gerne vil have, men ikke aner, hvad den hedder, eller hvem der laver den, er det langt mere direkte at uploade et foto end at forsøge at beskrive den med nøgleord. Brugere af visuelle søgninger konverterer i 30% højere grad sammenlignet med brugere af traditionelle tekstsøgninger i forbindelse med online shopping. 

• I sundhedssektoren hjælper indholdsbaserede systemer til genfinding af medicinske billeder klinikere med at søge i radiologi- og patologidatabaser efter visuelt lignende tilfælde. 

• Hele journalisters karriere er baseret på faktatjek. Global Investigative Journalism Network har formaliseret billedsøgning som et vigtigt verifikationsværktøj i journalistik. Det bruges til at spore fotografiers oprindelse, identificere personer på billeder, finde den oprindelige kontekst for en scene, krydshenvise visuelle beviser på tværs af flere kilder osv.

• Google har udviklet SpeciesNet, en open source AI-model, der bruges til at identificere vilde dyr på billeder fra kamerafælder. Den hjælper med at bevare dyrelivet ved at automatisere artsidentifikation ud fra billeder. 

• Du kan også bruge AI-billeddetektering at opdage plagiat i visuelt arbejde i akademiske sammenhænge.

Forbedr dit arbejde med vores AI Detector og Humanizer - start nedenfor!

Afsluttende tanker

Billedsøgningsværktøjer findes på alles telefoner. Google Lens alene håndterer nu 20 milliarder søgninger om måneden og er vokset fra 10 millioner daglige anvendelser i løbet af en relativt kort periode. 

De avancerede og omvendte billedsøgningsteknikker, der forklares i denne artikel, skal hjælpe dig med at få værdi ud af de værktøjer, du har i dine hænder.

At kunne skelne mellem et AI-genereret billede og et ægte menneskeskabt billede er også en grundlæggende færdighed for alle, især når vi lever i en AI-domineret verden. 

Vores Uopdagelig AI analyserer støjmønstre, komprimeringsartefakter, farvemætning og frekvensdomænesignaler for at hjælpe dig med at holde dig væk fra falske billeder online.

Prøv det i dag!