Tekniker för bildsökning som du bör känna till

Öppna vilken social media-app som helst just nu och räkna hur många sekunder som går innan du ser ett block med vanlig text utan någon bild kopplad till den. Jag är säker på att du kommer att vänta ett bra tag! 

Internet är till överväldigande och oåterkallelig del ett visuellt medium. 

En uppskattad 14 miljarder bilder delas dagligen på sociala medieplattformar. Google Image Search indexerar för närvarande uppskattningsvis 136 miljarder bilder, och experter menar att antalet kan uppgå till 382 miljarder år 2030 om bildskapandet fortsätter i samma takt som nu.

Att bland alla dessa bilder hitta en verkligt användbar, korrekt licensierad bild, en bild som faktiskt visar vad den påstår sig visa, är ett riktigt svårt jobb.

I den här artikeln kommer du att lära dig:

• Vad bildsökning är och dess olika former

• Praktisk vägledning för effektiv användning av avancerad bildsökningsteknik

• Så här skyddar du dig mot falska bilder på nätet

---

Viktiga slutsatser

• Användbara bildsökningsresultat beror på hur specifika dina sökord är, vilken plattform du söker på och vilka filter du använder för upplösning och användningsrättigheter

• En genomsnittlig person stöter på mycket felaktig information i sina flöden på sociala medier, där omvänd bildsökning är ett underutnyttjat verktyg.

• Du kan hitta gratis bilder av hög kvalitet på Creative Commons-licenser, Openverse, public domain-samlingar från Smithsonian, Metropolitan Museum, Library of Congress etc.

• Oupptäckbar AI-bilddetektor som används tillsammans med omvänd sökning och metadatainspektion ger stark verifiering mot AI-genererade bilder. 

---

Vad är en bildsökningsteknik?

En bildsökningsteknik är en metod som gör det möjligt för ett datorsystem att hitta och hämta information baserat på visuellt innehåll. 

När forskare började utforska tekniker för bildsökning i början av 1990-talet var deras tillvägagångssätt skrattretande enkelt med dagens mått mätt. 

Christel Faloutsos och hans kollegor på IBM var grundarna av Fråga efter bildinnehåll år 1994.

QBIC kan söka i bilddatabaser med hjälp av färg, textur och form. Ett rött cirkulärt objekt skulle matcha andra röda cirkulära objekt. Det var, mer eller mindre, allt.

För närvarande omfattar bildsökning ett förvånansvärt brett spektrum av metoder: 

1. Textbaserad bildsökning, där du skriver in nyckelord och hämtar bilder som taggats med matchande metadata, i princip vad Google Bilder började med

2. Innehållsbaserad bildhämtning, eller CBIR, som analyserar det visuella innehållet i

3. Omvänd bildsökning, där du ger en bild till Google Lens och TinEye och ber systemet att hitta visuellt liknande bilder

Effektiv användning av omvänd bildsökning

Den grundläggande mekanismen för omvänd bildsökning är ganska enkel.

Allt du behöver göra är att mata systemet med en bild, antingen genom att ladda upp en fil eller, som i Google Lens fall, genom att bokstavligen rikta mobilkameran mot något i den fysiska världen.

Den analyserar det visuella innehållet och ger dig de resultat som är visuellt lika eller kontextuellt relaterade till din bild. 

Men hur får man egentligen dessa tekniker för att söka efter bildlikheter att fungera bättre? 

Google Lens är utan tvekan det mest användbara verktyget för konsumentprodukter, landmärken och allt som sannolikt har en betydande närvaro på webben. 

Här är resultatet av Google Lens när vi försåg det med bilden av Harvard Law Building:

TinEye var specialbyggt för att spåra bilders ursprung. Det har indexerat bilder sedan 2008 och har samlat över 62 miljarder bilder i sin databas enligt de senaste räkningarna. 

Yandex Images tenderar att fungera bäst på ansiktsigenkänning och på bilder som är vanligare i icke-engelska webbutrymmen, i synnerhet östeuropeiska. 

A 2022 års cybersäkerhetsstudie genomförde en rigorös black-box-jämförelse av dessa plattformar och fann att deras noggrannhet vid omvänd bildsökning var: 

• Google: 65%

• Bing: 55%

• Yandex: 50%

Många gånger kommer din intressanta bild att ha mycket visuellt brus. Det kan till exempel vara en livlig bakgrund, flera objekt eller människor som står runt det du vill fokusera på i din sökning. 

Se därför till att du refererar till det specifika ämne du vill undersöka så att systemet inte blir förvirrat.

Tips för att hitta bilder av hög kvalitet

Några få medvetna justeringar av hur du söker och vad du filtrerar efter kan ge dig mycket bättre bilder än en generisk sökning. 

• Använd tydliga sökord

Hur specifika dina sökord är har en direkt inverkan på de resultat du får. 

Sökmotorer matchar bilder till frågor till stor del genom tillhörande metadata och omgivande text. Forskning om sökordsbaserad bildhämtning har visat att uttryckliga och exakta sökordsfrågor ger mer relevanta resultat. 

Försök att tänka på din målbild i lager. Börja med motivet och lägg sedan till beskrivningar av stil, miljö, stämning, belysning och avsedd användning. 

Institutionella arkiv som museer eller universitet och särskilda plattformar för stockfoton ger dig också tillgång till andra typer av bilder än en allmän webbsökning. 

Om du är ute efter ett historiskt fotografi är Google Images förmodligen inte det bästa verktyget för att få tag på det. Library of Congress, Europeana eller Smithsonians samlingar med öppen tillgång är mycket mer troliga att ge dig det du behöver.

• Filtrera efter bildupplösning

Upplösning är enkelt uttryckt en bilds dimension. Det är möjligt att en bild ser bra ut i miniatyrstorlek men förvandlas till en pixlig röra när den skrivs ut. 

Du kan filtrera storleken på den bild du är intresserad av med hjälp av inbyggda sökfunktioner i nästan alla bildsökningsverktyg. I Google Images avancerade sökning kan du till exempel filtrera resultaten efter storlek, format, användningsrättigheter och många andra parametrar. 

På Google Bilder kan du komma åt dessa filter under “Verktyg” när du har gjort en första sökning. Eller så kan du helt enkelt Klicka här för att prova det.

Sökplattformar som är specifika för bilder, som Unsplash, Pexels och Adobe Stock, är uppbyggda kring hög upplösning som en baslinje. Det är osannolikt att du hittar något under en användbar tröskel där.

Vilken upplösning du behöver beror i hög grad på vad du vill använda bilden till. 

• 72 DPI, eller allt över 1000 pixlar, är standardupplösningen för webbanvändning

• För en helsidesutskrift av en bild vill du ha minst 300 DPI, eller uppåt 2500 x 3500 pixlar

JPEG-formatet är bra för det mesta. Om du behöver en bild med transparent bakgrund bevarar PNG eller TIFF mer data.

• Kontrollera upphovsrätt eller användningsrättigheter

Att hitta en bild och att kunna använda den är två helt olika saker. 

Enligt DMCA-spårningsdata, bilder står för 23% av alla upphovsrättsrelaterade begäran om borttagning, den enskilt största kategorin av individuellt riktade innehållstyper online. 

Det säkraste sättet att få användbara bilder är att söka på platser där användningsrättigheterna är tydliga från början. 

Creative Commons-licensiering finns på ett spektrum från “fri för all användning” till “attribution krävs” till “endast icke-kommersiell”.”

Den Sökverktyg för Creative Commons, nu kallat Openverse, kan du filtrera din sökning efter typ av licens. Du kan hitta bilder som matchar dina behov utan att behöva oroa dig för behörigheter. 

Många offentliga bildsamlingar från institutionella arkiv är allmänt tillgängliga och fria att använda.

Metropolitan Museum of Art har över 490.000 högupplösta bilder i sin public domain-samling, alla tillgängliga för nedladdning och återanvändning utan begränsning. 

Faktum är att Google Images Advanced Search också låter dig filtrera dina bilder baserat på “användningsrättigheter”.”

Hur AI som inte går att upptäcka förbättrar bildsökning

Klyftan mellan vad människor vill hitta och vad de faktiskt söker efter har länge varit ett erkänt problem inom informationshämtning. 

De flesta användare vet inte riktigt hur de ska konstruera specifika sökfrågor. Du kan använda Undetectable AI-chatt för att hjälpa dig att hitta rätt nyckelord som beskriver de bilder du har i åtanke innan du går till ett bildsökningsverktyg. 

Ett annat problem som vi ställs inför när det gäller bilder är huruvida de är verkliga eller inte. En storskalig studie publicerad på arXiv analyserade cirka 287.000 bildutvärderingar från över 12.500 deltagare runt om i världen.

Det visade sig att människor hade en framgångsgrad på endast 62% när de försökte skilja AI-genererade bilder från riktiga.

Undetectable AI Image Detector kör en analys på pixelnivå för att leta efter mönster i textur, brus, färgmättnad och strukturella artefakter som statistiskt sett är förknippade med generativ AI-produktion. 

Detekteringen baseras på pixelinnehåll snarare än metadata. Så om en bilds metadata har tagits bort och ingen vattenstämpel finns, skulle du fortfarande kunna fånga dess AI-ursprung.

Den är kompatibel med alla följande bildgeneratorer: 

• DALL-E

• Stabil diffusion

• MidJourney

• Ideogram

• Flux

• Bing Image Creator

• GANs

• Nano Banana (Google DeepMind)

• Seedream

• Adobe Eldfluga

Undvik falska bilder på nätet

Uppskattningar tyder på att över 500.000 deepfakes delades på sociala medier enbart under 2023. Och det är bara den syntetiska varianten.

Det tar inte hänsyn till den mycket större volymen av verkliga fotografier som avsiktligt har tagits bort från sitt sammanhang eller återvunnits från gamla händelser för att ge en felaktig bild av aktuella händelser. 

Enligt NewsGuard, som spårar källor till felaktig information, tiofaldigades antalet AI-aktiverade falska nyhetssajter 2023, och det har bara ökat 2026.

När människor söker efter bilder relaterade till senaste nytt är dessa falska, manipulerade bilder ofta bland de mest cirkulerade och därmed bland de mest indexerade.

Så varje gång du stöter på en bild som väcker starka reaktioner ska du alltid göra en omvänd sökning för att se när den användes första gången, i vilket sammanhang den användes, varifrån bilden kommer och om källan är trovärdig. 

Vi har också en användbar guide om hur man kan se om en bild är AI-genererad eller falsk.

När en bild redigeras och sparas om komprimeras de manipulerade områdena på ett annat sätt än de ursprungliga avsnitten. Det kan upptäckas genom ELA-tekniken (Error Level Analysis) med hjälp av det kostnadsfria webbverktyget, FotoForensics.

Praktiska användningsområden för bildsökning

Bildsökning har långt fler användningsområden än du kan tänka dig. Här är några av de praktiska användningsområdena för bildsökning:

• Om du har sett en jacka som du vill ha men inte har en aning om vad den heter eller vem som tillverkar den, är det oändligt mycket mer direkt att ladda upp ett foto än att försöka beskriva den med nyckelord. Användare av visuella sökningar konverterar i 30% högre grad jämfört med användare av traditionella textsökningar i online-shopping. 

• Inom sjukvården hjälper innehållsbaserade system för medicinsk bildhämtning läkare att söka i radiologi- och patologidatabaser efter visuellt liknande fall. 

• Hela journalisters karriär bygger på faktagranskning. Global Investigative Journalism Network har formaliserat bildsökning som ett viktigt verifieringsverktyg inom journalistiken. Det används för att spåra varifrån fotografier kommer, identifiera personer på bilder, lokalisera det ursprungliga sammanhanget för en scen, korsreferera visuella bevis mellan flera källor etc.

• Google har utvecklat SpeciesNet, en AI-modell med öppen källkod som används för att identifiera vilda djur i bilder från kamerafällor. Den hjälper till att bevara vilda djur genom att automatisera artbestämningen från bilder. 

• Du kan också använda AI-bilddetektering för att upptäcka plagiat i visuella verk i akademiska sammanhang.

Förbättra ditt arbete med vår AI Detector och Humanizer - börja nedan!

Avslutande tankar

Verktyg för bildsökning finns i allas telefoner. Enbart Google Lens hanterar nu 20 miljarder sökningar varje månad, och har vuxit från 10 miljoner dagliga användningar på relativt kort tid. 

De avancerade och omvända bildsökningsteknikerna som förklaras i den här artikeln bör hjälpa dig att få ut värde från de verktyg du har i dina händer.

Att kunna skilja en AI-genererad bild från en verkligt mänskligt skapad är också en grundläggande färdighet för alla, särskilt när vi lever i denna AI-dominerade värld. 

Vår Odetekterbar AI analyserar brusmönster, komprimeringsartefakter, färgmättnad och frekvensdomänsignaler för att hjälpa dig att hålla dig borta från falska bilder på nätet.

Ge det ett försök idag!