CD封面检索示例

设想这样一个场景：某天你遇到一只狗，很喜欢却没办法搞清楚是什么品种，怎么才能快速获得答案?通常这样的要求可以借助搜索引擎，但在这个场景下，找出正确形容这只狗的核心关键词，似乎成了一种更具难度的挑战。

然而搜索引擎并未失效，只是需要更换一种输入方式——变文字为图像。以多媒体的方式发起搜索，这也正是搜索引擎一贯的演进方向。

几天前机缘巧合，百度工程师李浩向我展示了尚未在iOS和Android平台发布的新产品——百度移动视觉搜索。这个技术将在百度移动平台客户端上实现：通过手机摄像头捕捉的图像，帮用户找到想要的那本书、那张CD甚至是那只狗。

我的第一反应是，移动视觉搜索和之前的PC端的以图搜图，有差么?

我得到的答案是：在选取特征表达方面，这两个产品没有根本性的差异;而不同之处体现在数据库和算法方面。几年前推出的百度识图，只是简单的寻找相同图片，实用价值坦白讲并不高(最近加强了人脸识别功能)。

而即将应用在手机端的视觉搜索，显然不想变成一种鸡肋。

不同之处首先是缩小了适用范围。这个产品将通过逐个小类目渗透的方式推进，首先是支持图书搜索、然后是支持音乐CD……这就是上面提到的数据库变化。新的方式所要处理的数据规模要小得多，这同时也给算法带来更多的灵活性。

数据库越大，对算法的要求就约高。搜索算法主要以两个纬度衡量：一是效果，二是效率。所谓效果就是准确率和召回率，这两项关系到搜索质量的好坏;而效率可以理解为单位时间的处理速度，这直接关系到一次查询所消耗的时间。

实际上更小的数据库，使得算法效率可以略作牺牲，换取效果的提升。

效果怎么提升?李浩解释说，一是抽取更多的特征表达，更多特征的好处显而易见;二是改进索引结构，变一级索引为多级索引，这可以形象的理解为先搜一遍，然后在这个结果上再搜一遍……最后才把结果返回给用户。

差异大抵如此。

我看到的内部测试版本中，百度移动视觉搜索已经涉及了几个类目：图书、音乐CD、娱乐海报、文字识别、翻译以及开头提及的：狗。

以iOS平台为例，正式发布后用户打开“百度搜索”App，点击搜索框右侧的相机图标，就能弹出相应的视觉搜索功能菜单。比方想要寻找某一图书，只需要按照前述过程，对着一本书拍一下，就能获得这本书的相关信息：包括多个网店的售价。

CD和海报等也是如此。你不必拍全，只拍一部分也能找到想要的结果，甚至斜着拍、倒着拍也不影响搜索结果。这与特征识别的提取有关，机器和人的识别模式显然不同。产品经理会决定下一步扩展到哪个新的类目。

最容易的扩展方向还是“刚体”。也是说，搜索对象的外型和体积不会轻易发生变化。在这种类目上，就可以启动机器学习中“非监督”模式，即不需要人工干预、指导机器的学习过程，这种模式显得又快又轻松。

衣服就是一个刚体反例——很容易发生形变。通过“有监督”的模式，机器能够学习判断长袖短袖等衣服类型，然而形变过大必然会影响实际的效果。

其实，开头提到的狗也是反例。

对于机器怎么在“有监督”模式下学会识别狗，我非常好奇。而过程似乎也比想象中的简单：不需要人为事先给出狗的特征定义，只需要提供足够的相关图片，用以划上一个大致的识别边界，机器就会自己找到判定一只狗的方法。