泡网俱乐部

　　昨天有人看我博客后问我：让用户输入图象来搜索太远离用户习惯了，你们的图象搜索让用户输入什么呢？我说，当然是文本了，不同的是输出的结果，现在输入一个物品名称可能出来一个和物品完全无关的明星脸，只是因为明星图象所在网页有这个物品名称。而我的搜索引擎，用户同样输入文本，但因为我的图象引擎是基于图象搜索的，是根据图象搜索的情况反向添加文本标签的，所以不会出来和用户目的无关的结果。
　　分解一下是这样：
　　1.收集大量规范素材（比如店主实拍的商品图片，图象尺寸大达几兆，物品更清晰，且被嵌入网页上有较格式化的描述信息）；
　　2.雇大量人工对素材进行清洗整理（做模式识别的都知道这是不可缺少的步骤哈）；
　　3.使用统计分析的方法训练引擎，使引擎健康成长；
　　4.爬虫到处去取图片，使用实验室训练出来的引擎对图片进行分类标签；
　　5.将引擎无法识别的图片使用人工进行标签；
　　6.将人工标签后的图片再送给引擎，训练引擎。
　　经过这样的循环，使引擎不断成长，把网络图片世界连接起来。
　　这样的引擎训练好以后，用户不仅可以输入文本查询，还可以输入图片查询，比如我看到一个很眼熟的面孔，我直接鼠标拷贝图片网址，把网址粘贴到搜索引擎里，就出现该面孔挂钩的其他信息，而且用户为了方便，会主动把我的服务装到他的右键菜单里，这样，直接右键菜单上就可以执行图象搜索，搜和那张面孔有关的视频什么的，是不是很酷呢？所以说输入图象搜索离用户习惯远是不正确的说法，用户习惯是你强加给他的，有更简单的方法，而且能为用户带来方便和好处，用户会欣然接纳的。
　　昨天那人又说：你们不会有足够的钱做这件事的。
　　真的吗？不过那人连模式识别都没听说过，我很同情他，所以，就不和他计较了。
　　做这件事，最贵的是人工，模式识别专家团队，素材清洗整理，不能识别的图象进行人工标签，这些，都是很花钱的，至于一般人认为的服务器和带宽费用，在这个项目里倒是毛毛雨了，300T的素材（网店商品图片），200T的无效图象（加起来500T，但是是随时间增长的，而硬件价格下降很快），三年的带宽费用，加起来不会超过800万，加客服工资什么的也不会超过1000万，等于每年要收入400万到500万（含运营费用），这还是支持得起的，关键还是研发的人工费用太高了，最好是有什么基金支持一哈，这么酷的项目……
　　目前google的图象搜索量大约占总搜索量10%以上，而我的搜索，将来是要让用户直接右键菜单里搜，比如看到一个手机，直接右键菜单搜这个图象，连一些信息不规范的网页（比如店主用了很多夸张词的商品页面）也可以被搜到，而且给我分门别类，那些是经销商信息哪些是资讯等，不比文本关键字搜图象方便啊？而且更具商用价值，不比google的图象搜索强？
　　现在我已经开始商品图片的素材收集了，做了一个免费的商品图片站（ppseek.com）鼓励店主存实拍大图，估计过段时间服务器和带宽会有些吃紧，有没这方面资源可以共享一哈哈？我们可以共享图象识别引擎研究成果的。

• 相关回复