视觉搜索是移动搜索的未来.doc

视觉搜索是移动搜索的未来
愚人节当天发布消息很容易会让人产生联想。但这仍然没有抵挡住企业的“假日营销”，比如苹果的道歉，再比关于百度的两则消息：一是百度宣布与知名娱乐商达成合作，通过“机器评委系统”进行海选，以机器方式替代人工面试筛选，网友只需拍摄或上传照片就能参与。在选秀节目和评委满天飞的情况下，机器也来凑热闹？昨晚笔者还得到一个劲爆消息：百度眼镜来了：百度宣布内测成功BaiduEye，这是类似于GoogleGlass的设备，据称将配备超小液晶显示、语音操控、图像识别、骨传导技术，并且和百度语音，百度云、百度地图等深度整合。这是百度工作人员透露的照片。

选择在这样的日子发布消息，也许百度希望给人以虚虚实实的感觉。在人脸识别方面，百度有这个技术实力。但百度EYE的发布仍然让我觉得诧异——这不像百度的风格。笔者更关心而且确信的是：可以认定百度移动搜索的又一个重点技术方向——视觉搜索。这两则消息齐齐指向了这一点。
在《展望3B大战之后的搜索变数》一文中，我曾分析过移动搜索与传统搜索的不同。搜索诉求从获取信息变为更加本地化、生活化的实体搜索；搜索方式从WEB网页变为APP；输入方式也因为使用场景的移动性、移动设备的特征和网络环境而发生了巨大变化，从文字输入变为文字、图像、声音、体感、位置的综合输入；输出结果因为移动设备的特征而变得更自然、智能和互动，如语音和图片。另外，广告模式则从“展示广告超链接”向基于位置的精准营销、O2O和电话拨打广告等方式转变。

上面提到的各种移动搜索技术现在还在探索中。地图、语音搜索相对成熟，而下一个正在爆发的则是视觉搜索。人类既然可以通过声音驱动设备的Siri、GoogleNow、百度语音助手，又怎会忽略另一个人类与外部环境的核心交互能力——视觉呢？相关科学统计显示，人类有近80%的信息获取来自于双眼。移动设备的摄像头已是标配，视觉搜索极具想象空间，GoogleGlass就被认为是一个基于视觉搜索的可穿戴设备。
什么是视觉搜索呢？最简单的说法就是“以图搜图”。
图像识别技术已经发展有近30年历史。从最初的指纹识别，到现在随处可见的人脸识别。它们都是将指纹图谱或者人脸图片转换提取出特征，与设备中存储的已有特征照片进行比对。如果相似度达到某个阈值，则匹配成功，这被广泛应用于日常考勤、安保、电脑解锁中。网易近期还推出了“人脸邮箱”就是这样的旧技术搭上新应用。
不过，上面说的图像识别技术还只是一种一对一匹配技术，远远还没发展到搜索的程度，如同雅虎时代的“网址索引”阶段，而视觉搜索则到了Google和百度为代表的第二代搜索的阶段。与简单的匹配不同，视觉搜索是基于算法和数据的。首先需要搜索引擎拥有大量图片库，然后提取特征值，聚类建索引。在用户搜索时，将搜索照片进行解析，去繁存真，检索并根据相关性排序，返回结果。这个结果可能是一堆图片，也可能是与图片相关，结合用户特征和搜索场景的相关信息。这个过程与现在的主流搜索引擎的过程比较接近。
这个技术的应用场景在哪里？如果够智能，它可以成为一双帮你变得更聪明的眼睛。思维过程也是到大脑的记忆存储区域去匹配相似场景，最后与一些信息概念映射，并作出行动反馈。如果你看到一个人，似曾相识但就想不起来名字，这个思维过程就可以被比作整个视觉搜索的慢动作了。这时候或许视觉搜索可以帮你。不过，这得你大脑存储的记忆全部数字化，能传递到电脑才行。
从全球范围看，在视觉搜索技术的探索方面，走在前面的当然是两家搜索公司。Google在2009年分别推出网页版Google相似图片搜索和GoogleGoggles，后者是一款安卓版APP，可以拍照并搜索相似照片。2010年，Google特意收购英国视觉搜索公司Plink，以加强Goggles。Google这套东西除了相似图片搜索技术应用于其购物搜索外，其他的并未带来商业价值。直到GoogleGlass的出现才让其积累多年的视觉搜索技术有了爆发的空间。
百度的发力也并不算晚，它在10年推出百度识图搜索开始涉水视觉搜索的。不过当时因为使用场景有限，这款产品并未被大众熟知。更多是满足了一种新鲜感。
即便如此，百度仍然投入了大量资源来研究视觉搜索。这样的判断应该与技术出身的李彦宏喜欢研究技术趋势有关。两年前李彦宏就宣称互联网“读图时代”到来，在去年的KDD（知识发现世界年会）上，他提出的待解9大技术问题中，“基于内容的的视觉搜索”排在第三位。
李彦宏在去年底的百度年会上宣布了百度2012年的压轴之作：全世界首个“全网人脸搜索”。这是一款通过用户上传照片，就能在互联网上找到相似照片的产品。图像识别技术应用于全网搜索后，以图搜图的准确率一下子从20%提升到80%。正是应了那句话，技术积累的先发投入，往往会体现在产品的后来居上。
这款产品的识别准确率依赖于被搜索的人脸