Articles

Guide til brug af Omvendt billedsøgning til undersøgelser

by admin

omvendt billedsøgning er en af de mest kendte og nemmeste digitale efterforskningsteknikker med to-klik-funktionalitet til at vælge “Søg på Google efter billede” i mange internetsøgere. Denne metode har også set udbredt anvendelse i populærkulturen, måske især i MTV-serien Catfish, som udsætter mennesker i onlineforhold, der bruger stjålne fotografier på deres sociale medier.

men hvis du kun bruger Google til Omvendt billedsøgning, vil du blive skuffet oftere end ikke. Begrænsning af din søgeproces til at uploade et fotografi i sin oprindelige form til bare images.google.com kan give dig nyttige resultater til de mest åbenlyst stjålne eller populære billeder, men for de fleste ethvert sofistikeret forskningsprojekt har du brug for yderligere sider til din rådighed — sammen med en masse kreativitet.

denne vejledning gennemgår detaljerede strategier for at bruge omvendt billedsøgning i digitale undersøgelser med et øje mod at identificere mennesker og placeringer sammen med at bestemme et billedes afkom. Efter at have beskrevet kerneforskellene mellem søgemaskinerne, testes Yandeks, Bing og Google på fem testbilleder, der viser forskellige objekter og fra forskellige regioner i verden.

Beyond Google

det første og vigtigste råd om dette emne kan ikke understreges nok: Google reverse image search er ikke særlig god.

fra denne vejlednings udgivelsesdato er den ubestridte leder af omvendt billedsøgning det russiske sted. Efter Yandek er andenpladsen Microsofts Bing og Google. En fjerde tjeneste, der også kan bruges i undersøgelser, er TinEye, men dette sted er specialiseret i krænkelser af intellektuel ejendom og ser efter nøjagtige duplikater af billeder.

Yandeks

Yandeks er langt den bedste omvendte billedsøgemaskine med en skræmmende kraftfuld evne til at genkende ansigter, landskaber og objekter. Dette russiske site trækker stærkt på brugergenereret indhold, såsom turistanmeldelsessider (f.eks.

dens styrker ligger i fotografier taget i en europæisk eller tidligere sovjetisk sammenhæng. Mens fotografier fra Nordamerika, Afrika og andre steder stadig kan returnere nyttige resultater på Yandeks, kan du blive frustreret over at rulle gennem resultater hovedsagelig fra Rusland, Ukraine og Østeuropa snarere end landet for dine målbilleder.

Hvis du vil bruge Yandeks, skal du gå til images.yandex.com, vælg derefter kameraikonet til højre.

derfra kan du enten uploade et gemt billede eller indtaste URL ‘ en til en hostet online.

Hvis du sidder fast med den russiske brugergrænseflade, skal du holde øje med Karrus (Vælg fil), Karrus (indtast billedadresse) og karrus (søg). Når du har søgt, skal du passe på prisT (Lignende Billeder) og prisT (mere lignende).de ansigtsgenkendelsesalgoritmer, der bruges af Yandeks, er chokerende gode. Ikke kun vil Yandeks kigge efter fotografier, der ligner den, der har et ansigt i sig, men det vil også se efter andre fotografier af den samme person (bestemt gennem matchende ansigtsligheder) med helt anden belysning, baggrundsfarver og positioner. Mens Google og Bing måske bare leder efter andre fotografier, der viser en person med lignende tøj og generelle ansigtstræk, Yandeks vil søge efter disse kampe, og også andre fotografier af en ansigtskamp. Nedenfor kan du se, hvordan de tre tjenester søgte ansigtet til Sergey Dubinsky, en russisk mistænkt i nedskydningen af MH17. Yandeks fandt adskillige fotografier af Dubinsky fra forskellige kilder (kun to af de øverste resultater havde ikke-relaterede mennesker), hvor resultatet adskiller sig fra det originale billede, men viser den samme person. Google havde slet ikke held, mens Bing havde et enkelt resultat (femte billede, anden række), der også viste Dubinsky.

Yandeks er naturligvis en russisk tjeneste, og der er bekymringer og mistanker om dets bånd (eller potentielle fremtidige bånd) til Kreml. Mens vi hos Bellingcat konstant bruger Yandeks til dets søgefunktioner, du er måske lidt mere paranoid end os. Brug Yandeks på egen risiko, især hvis du også er bekymret for at bruge VK og andre russiske tjenester. Hvis du ikke er særlig paranoid, kan du prøve at søge på et ikke-indekseret fotografi af dig selv eller nogen, du kender i Yandeks, og se om det kan finde dig selv eller din dobbeltganger online.

Bing

i løbet af de sidste par år har Bing fanget Google i sine omvendte billedsøgefunktioner, men er stadig begrænset. Bings “visuelle søgning”, fundet på images.bing.com, er meget nem at bruge, og tilbyder et par interessante funktioner, der ikke findes andre steder.

inden for en billedsøgning giver Bing dig mulighed for at beskære et fotografi (knap under kildebilledet) for at fokusere på et specifikt element i fotografiet, som det ses nedenfor. Resultaterne med det beskårne billede udelukker de fremmede elementer med fokus på den brugerdefinerede boks. Men hvis den valgte del af billedet er lille, er det værd at manuelt beskære fotografiet selv og øge opløsningen — billeder med lav opløsning (under 200 liter 200) giver dårlige resultater.

nedenfor blev et Google-Gadevisningsbillede af en mand, der gik et par pugs, beskåret for at fokusere på bare pooches, hvilket førte til, at Bing foreslog hundens race, der var synlig på fotografiet (funktionen “ligner”) sammen med visuelt lignende resultater. Disse resultater omfattede for det meste par hunde, der blev gået, matcher kildebilledet, men inkluderede ikke altid kun mops, som franske bulldogs, engelske bulldogs, mastiffer, og andre blandes ind.

Google

langt den mest populære reverse image søgemaskine, på images.google.com, Google er fint for de fleste rudimentære omvendte billedsøgninger. Nogle af disse relativt enkle forespørgsler inkluderer at identificere kendte mennesker på fotografier, finde kilden til billeder, der er blevet delt ganske lidt online, bestemme navnet og skaberen af et kunstværk osv. Men hvis du vil finde billeder, der ikke er tæt på en nøjagtig kopi af den, du undersøger, kan du blive skuffet.når du for eksempel søger efter ansigtet til en mand, der forsøgte at angribe en BBC-journalist ved et Trump-rally, kan Google finde kilden til det beskårne billede, men kan ikke finde yderligere billeder af ham eller endda nogen, der ligner ham.

mens Google ikke var meget stærk i at finde andre forekomster af denne mands ansigt eller lignende mennesker, fandt den stadig den originale, ikke-beskårne version af fotografiet, skærmbilledet blev taget fra, og viste noget værktøj.

fem testcases

til test af forskellige omvendte billedsøgningsteknikker og motorer anvendes en håndfuld billeder, der repræsenterer forskellige typer undersøgelser, herunder både originale fotografier (ikke tidligere uploadet online) og genbrugte. På grund af det faktum, at disse fotografier er inkluderet i denne vejledning, er det sandsynligt, at disse testsager ikke fungerer som beregnet i fremtiden, da søgemaskiner indekserer disse fotografier og integrerer dem i deres resultater. Således er skærmbilleder af resultaterne, som de dukkede op, da denne vejledning blev skrevet, inkluderet.

disse testfotografier inkluderer en række forskellige geografiske regioner for at teste styrken af søgemaskiner til kildemateriale i Vesteuropa, Østeuropa, Sydamerika, Sydøstasien og USA. Med hvert af disse fotografier har jeg også fremhævet diskrete objekter i billedet for at teste styrker og svagheder for hver søgemaskine.

du er velkommen til at hente disse billeder (hvert billede i denne vejledning er hyperlinket direkte til en JPEG-fil) og køre dem gennem søgemaskiner selv at afprøve dine evner.

Olisov Palace i Nisjny Novgord, Rusland (Original, ikke tidligere uploadet online)

isoleret: hvid SUV i Nisjny Novgorod

isoleret: Trailer i Nisjny Novgorod

isoleret: Trailer i Nisjny Novgorod Novgorod

bybillede i Cebu, Filippinerne (original, ikke tidligere uploadet online)

isoleret: ejerlejlighedskompleks,”Padgett Place”

isoleret: “Havnefronten Hotel”

studerende fra Bloomberg 2020 Ad (skærmbillede fra video)

isoleret: studerende

av. gør Cafkrus I S. L. Paulo, Brasilien (skærmbillede fra Google Gadevisning)

isoleret: Toca do A L. L.

isoleret: Toca do A L. L. L.

isoleret: Estacionamento (parkering)

Amsterdam Canal (Original, ikke tidligere uploadet online)

isoleret: grå hejre

isoleret: hollandsk flag (roteret også 90 grader med uret)

resultater

hvert af disse fotografier blev valgt for at demonstrere mulighederne og begrænsningerne i de tre søgemaskiner. Mens Yandeks især kan virke som om det til tider fungerer digital sort magi, det er langt fra ufejlbarligt og kan kæmpe med nogle typer søgninger. For nogle måder at muligvis overvinde disse begrænsninger, jeg har detaljeret nogle kreative søgestrategier i slutningen af denne vejledning.

Novgorods Olisov-palads

forudsigeligt havde Yandeks ingen problemer med at identificere denne russiske bygning. Sammen med fotografier fra en lignende vinkel som vores kildefotografi fandt Yandeks også billeder fra andre perspektiver, herunder 90 grader mod uret (se de to første billeder i tredje række) fra kildebilledets udsigtspunkt.

Yandeks havde heller ingen problemer med at identificere den hvide SUV i forgrunden af fotografiet som en Nissan Juke.

endelig var Yandeks i den mest udfordrende isolerede søgning efter dette billede mislykket med at identificere den ikke-beskrivende grå trailer foran bygningen. Et antal af resultaterne ligner det fra kildebilledet, men ingen er et faktisk match.

Bing havde ingen succes med at identificere denne struktur. Næsten alle dens resultater var fra USA og Vesteuropa, der viser huse med hvid/grå murværk eller sidespor og brune tage.

ligeledes kunne Bing ikke bestemme, at den hvide SUV var en Nissan Juke, i stedet for at fokusere på en række andre hvide SUV ‘ er og biler.

endelig mislykkedes Bing med at identificere den grå trailer og fokuserede mere på autocampere og større, grå campister.

Googles resultater for det fulde fotografi er Komisk dårlige og ser på husets tv-program og billeder med meget lidt visuel lighed.

Google identificerede med succes den hvide SUV som en Nissan Juke og bemærkede den endda i tekstfeltsøgningen. Fodring af søgemaskinen et billede fra et lignende perspektiv som populære referencematerialer — et sidebillede af en bil, der ligner de fleste reklamer — vil bedst tillade omvendte billedalgoritmer at arbejde deres magi.

endelig anerkendte Google, hvad den grå trailer var (rejsetrailer / autocamper), men dens “visuelt lignende billeder” var langt fra det.

Scorecard: Yandeks 2/3; Bing 0/3; Google 1/3

Cebu

Yandeks var teknisk i stand til at identificere bybilledet som Cebu i Filippinerne, men måske kun ved et uheld. Det fjerde resultat i første række og det fjerde resultat i anden række er af Cebu, men kun det andet fotografi viser nogen af de samme bygninger som i kildebilledet. Mange af resultaterne var også fra Sydøstasien (især Thailand, som er en populær destination for russiske turister) og bemærker lignende arkitektoniske stilarter, men ingen er fra samme perspektiv som kilden.

af de to bygninger isoleret fra søgningen (Padgett Palace og havnefronten Hotel) var Yandeks i stand til at identificere sidstnævnte, men ikke førstnævnte. Padgett Palace-Bygningen er en relativt umærkelig højhus fyldt med ejerlejligheder, mens hotellet ved vandet også har et kasino indeni, hvilket fører til en række turistfotografier, der viser dens mere tydelige arkitektur.

Bing havde ikke nogen resultater, der endda var i Sydøstasien, når de søgte efter Cebu-bybilledet, og viste en alvorlig geografisk begrænsning af dens indekserede resultater.

ligesom Yandeks kunne Bing ikke identificere bygningen på venstre del af kildebilledet.

Bing kunne ikke finde havnefronten Hotel, både når du bruger Bings beskæringsfunktion (bringer kun fotografier med lav opløsning tilbage) og manuelt beskærer og øger bygningens opløsning fra kildebilledet. Det er værd at bemærke, at resultaterne fra disse to versioner af billedet, som var identiske uden for opløsningen, bragte dramatisk forskellige resultater tilbage.

Som med Yandeks bragte Google et fotografi af Cebu tilbage i sine resultater, men uden en stærk lighed med kildebilledet. Mens Cebu ikke var i miniaturebillederne for de første resultater, vil det at følge til “visuelt lignende billeder” hente et billede af Cebu ‘ s skyline som det ellevte resultat (tredje billede i anden række nedenfor).

Som med Yandeks og Bing kunne Google ikke identificere den høje lejlighedsbygning på venstre del af kildebilledet. Google havde heller ingen succes med billedet af havnefronten.

Scorecard: Yandeks 4/6; Bing 0/6; Google 2/6

Bloomberg 2020 studerende

Yandeks fandt kildebilledet fra denne Bloomberg — kampagneannonce-en Getty Images Stock foto. Sammen med dette fandt Yandeks også versioner af fotografiet med anvendte filtre (andet resultat, første række) og yderligere fotografier fra den samme lagerfotoserie. Også af en eller anden grund porno, som det ses i de slørede resultater nedenfor.

Når du isolerer bare ansigtet på stockfotomodellen, bragte Yandeks en håndfuld andre billeder af den samme fyr tilbage (se sidste billede i første række) plus billeder af det samme stockfotosæt i klasseværelset (Se det fjerde billede i første række).

Bing havde et interessant søgeresultat: det fandt det nøjagtige match af stockfotografiet og bragte derefter tilbage “Lignende Billeder” af andre mænd i blå skjorter. Fanen” Sider med denne ” i resultatet giver en praktisk liste over duplikatversioner af det samme billede på tværs af internettet.

fokus på bare ansigtet på stockfotomodellen bringer ikke nogen nyttige resultater tilbage eller giver det kildebillede, det blev taget fra.

Google anerkender, at det billede, der bruges af Bloomberg-kampagnen, er et stockfoto, der bringer et nøjagtigt resultat tilbage. Google vil også give andre lagerbilleder af mennesker i blå skjorter i klassen.

Når du isolerer den studerende, vil Google igen returnere kilden til stockfotoet, men dets visuelt lignende billeder viser ikke stockfotomodellen, snarere en række andre mænd med lignende ansigtshår. Vi tæller dette som en halvgevinst ved at finde det originale billede, men viser ingen oplysninger om den specifikke model, som Yandeks gjorde.

Scorecard: Yandeks 6/8; Bing 1/8; Google 3.5/8

Brasiliansk Gadevisning

Yandeks kunne ikke finde ud af, at dette billede blev snappet i Brasilien, i stedet for at fokusere på bylandskaber i Rusland.

For Toca do a Prista, af en eller anden grund bragte Yandeks for det meste porno tilbage som resultater. Disse billeder blev sløret, og du kan klikke her for at se resultaterne. På trods af den slørede smut identificerede to af resultaterne imidlertid logoet korrekt.

for parkeringsskiltet kom Yandeks ikke engang tæt på.

Bing vidste ikke, at dette gadevisningsbillede blev taget i Brasilien.

…Bing genkendte heller ikke parkeringsskiltet…

…eller Toca gør et Prista-logo.

På trods af at billedet blev taget direkte fra Googles Gadevisning, genkendte Google reverse image search ikke et fotografi uploadet til sin egen tjeneste.

ligesom Bing og Yandeks kunne Google ikke genkende det portugisiske parkeringsskilt.

endelig kom Google ikke tæt på at identificere Toca do a Prista Prislogo, i stedet for at fokusere på forskellige typer træpaneler, der viser, hvordan det fokuserede på billedets baggrund snarere end logoet og ordene.

Scorecard: Yandeks 7/11; Bing 1/11; Google 3.5/11

Amsterdam Canal

Yandeks vidste nøjagtigt, hvor dette fotografi blev taget i Amsterdam, og fandt andre fotografier taget i det centrale Amsterdam og endda med dem med forskellige fugletyper i rammen.

Yandeks korrekt identificeret fugl i forgrunden af fotografiet som en grå hejre (Mura), der også bringer en række billeder af grå Hejrer tilbage i en lignende position og kropsholdning som kildebilledet.

dog flunked testen for at identificere det hollandske flag hængende i baggrunden af fotografiet. Ved at dreje billedet 90 grader med uret for at præsentere flaget i sit normale mønster, var Yandeks i stand til at finde ud af, at det var et flag, men returnerede ikke nogen hollandske flag i sine resultater.

Bing anerkendte kun, at dette billede viser et bylandskab med vand uden resultater fra Amsterdam.

selvom Bing kæmpede med at identificere et bylandskab, identificerede det korrekt fuglen som en grå hejre, herunder et specialiseret “ligner” resultat, der går til en side, der beskriver fuglen.

men som med Yandeks var det hollandske flag for forvirrende for Bing, både i dets originale og roterede former.

Google bemærkede, at der var en refleksion i billedets kanal, men gik ikke længere end dette med fokus på forskellige asfalterede stier i byer og intet fra Amsterdam.

Google var tæt på fugleidentifikationsøvelsen, men savnede det næppe — det er en grå, ikke stor blå heron.

Google kunne heller ikke identificere det hollandske flag. Selvom Yandeks syntes at erkende, at billedet er et flag, fokuserede Googles algoritme på vindueskarmen, der indrammede billedet, og fejlagtigt identificerede flaget som gardiner.

Final Scorecard: Yandeks 9/14; Bing 2/14; Google 3.5/14

kreativ søgning

selv med de mangler, der er beskrevet i denne vejledning, er der en håndfuld metoder til at maksimere din søgeproces og spil søgealgoritmerne.

specialiserede sider

for en kan du bruge nogle andre, mere specialiserede søgemaskiner uden for de tre, der er beskrevet i denne vejledning. Cornell Labs Merlin Bird ID-app er for eksempel ekstremt nøjagtig til at identificere fugletypen på et fotografi eller give mulige muligheder. Derudover, selvom det ikke er en app og ikke lader dig vende søge et fotografi, FlagID.org giver dig mulighed for manuelt at indtaste oplysninger om et flag for at finde ud af, hvor det kommer fra. For eksempel, med det hollandske flag, som selv Yandeks kæmpede med, har FlagID ikke noget problem. Når vi har valgt et vandret tricolor-flag, sætter vi de farver, der er synlige på billedet, og modtager derefter en række muligheder, der inkluderer Holland (sammen med andre lignende flag, f.eks.

Sproggenkendelse

Hvis du kigger på et fremmedsprog med en ortografi, du ikke genkender, kan du prøve at bruge nogle OCR eller Google Translate for at gøre dit liv lettere. Du kan bruge Google Translate ‘ s håndskriftværktøj til at registrere sproget* i et brev, som du håndskriver, eller vælge et sprog (hvis du allerede kender det) og derefter selv skrive det ud for ordet. Nedenfor er navnet på en cafe (“Hedgehog in the Fog”) skrevet ud med Google Translate ‘ s håndskriftværktøj, hvilket giver den indtastede version af ordet (Krist), der kan søges.

*vær advaret om, at Google Translate ikke er særlig god til at genkende bogstaver, hvis du ikke allerede kender sproget, men hvis du ruller gennem nok resultater, kan du til sidst finde dit håndskrevne brev.

billeddannelse og sløring

som beskrevet i en kort kvidre tråd, du kan opbryde eller sløre elementer af et fotografi for at narre søgemaskinen til at fokusere helt på baggrunden. På dette fotografi af Rudy Giulianis talskvinde vil Upload af det nøjagtige billede ikke bringe resultater tilbage, der viser, hvor det blev taget.

men hvis vi sløre / opbryde kvinden i midten af billedet, vil det give Yandeks (og andre søgemaskiner) til at arbejde deres magi i at matche op alle de andre elementer i billedet: stole, malerier, lysekrone, tæppe og væg mønstre, og så videre.

efter denne billedoptagelse ved Yandeks nøjagtigt, hvor billedet blev taget: et populært hotel i Vienna.

konklusion

omvendte billedsøgemaskiner har udviklet sig dramatisk i løbet af det sidste årti uden ende i syne. Sammen med den stadigt voksende mængde indekseret materiale har en række søgegiganter lokket deres brugere til at tilmelde sig billedhostingstjenester, såsom Google Fotos, hvilket giver disse søgealgoritmer en uendelig mængde materiale til maskinindlæring. Derudover kommer ansigtsgenkendelse AI ind i forbrugerrummet med produkter som FindClone og kan allerede bruges i nogle søgealgoritmer, nemlig med Yandeks. Der er ingen offentligt tilgængelige ansigtsgenkendelsesprogrammer, der bruger noget vestligt socialt netværk, såsom Facebook eller Instagram, men måske er det kun et spørgsmål om tid, indtil noget som dette dukker op, hvilket giver et stort slag for online privatliv og samtidig (til den store pris) øger digital forskningsfunktionalitet.

Hvis du hoppede over det meste af artiklen og bare leder efter bundlinjen, er der nogle nemme at fordøje tips til Omvendt billedsøgning:

  • brug Yandeks først, andet og tredje, og prøv derefter Bing og Google, hvis du stadig ikke kan finde det ønskede resultat.
  • hvis du arbejder med kildebilleder, der ikke kommer fra et vestligt eller tidligere sovjetland, har du måske ikke meget held. Disse søgemaskiner er hyperfokuserede på disse områder og kæmper for fotografier taget i Sydamerika, Mellemamerika/Caribien, Afrika og meget af Asien.
  • Forøg opløsningen af dit kildebillede, selvom det bare betyder fordobling eller tredobling af opløsningen, indtil det er et billedbelagt rod. Ingen af disse søgemaskiner kan gøre meget med et billede, der er under 200 kr 200.
  • prøv at beskære elementer af billedet, eller billedbillede dem, hvis det tripper op dine resultater. De fleste af disse søgemaskiner vil fokusere på mennesker og deres ansigter som et varmesøgende missil, så opbryde dem for at fokusere på baggrundselementerne.
  • hvis alt andet fejler, bliver du virkelig kreativ: spejle dit billede vandret, tilføj nogle farvefiltre, eller brug klonværktøjet på din billededitor til at udfylde elementer på dit billede, der forstyrrer søgninger.