Optimización de imágenes en la búsqueda de Google

En este artículo, vamos a explorar a fondo cómo funciona el motor de búsqueda de imágenes de Google y la ingeniería que lo respalda.

Introducción a la búsqueda de imágenes

El motor de búsqueda de imágenes de Google, también conocido como Google Imágenes, es la herramienta que utilizamos para buscar imágenes en línea. Pero, ¿sabés realmente cómo funciona y en qué se diferencia de la búsqueda web tradicional?

Hay 3 formas de acceder a Google Imágenes (Seguro ya lo has hecho mil veces):

• En google.com, seleccioná «»Imágenes»» en la esquina superior derecha.
• Usá la URL directa images.google.com.
• Realizá una búsqueda en la web y seleccioná «»Imágenes»» en el menú.

Funcionamiento del algoritmo de búsqueda de imágenes

El motor de búsqueda de imágenes rastrea e indexa imágenes, recibe consultas de búsqueda, clasifica las imágenes y devuelve resultados en respuesta a la consulta. Servir resultados de búsqueda de imágenes es complejo y requiere trabajo previo y durante la consulta.

Aquí te cuento qué ocurre antes de que busques una imagen:

1. El rastreador web de Google sigue enlaces a páginas web, donde encuentra imágenes.
2. Para dar contexto a la imagen, extrae información textual relevante (anchor text, atributo alt, texto circundante, caption, metadatos, etc.).
3. Al indexar imágenes, Google identifica características visuales, determina similitudes entre imágenes y excluye duplicados, quedándose con la más representativa.
4. Las puntuaciones de las características y similitudes se añaden al índice junto con la imagen.

Y ahora, ¿qué pasa cuando buscás una imagen?

1. Google procesa tu consulta para entenderla.
2. Utiliza técnicas de recuperación de información para relacionar la consulta con la información textual asociada a las imágenes en el índice.
3. Esto devuelve un índice invertido mostrando las imágenes más relevantes al principio.
4. Google reordena los resultados, favoreciendo las imágenes con mayor similitud agregada al resto de las imágenes mejor clasificadas y las que muestran las características más importantes para la consulta.
5. Finalmente, se te presentan los resultados con miniaturas, un título corto y un enlace a la imagen.

Diferencias entre búsqueda de Google y búsqueda de imágenes

La diferencia principal entre el motor de búsqueda web y el de imágenes radica en cómo se realiza la recuperación de información. El motor de búsqueda web busca documentos basados en texto y complementa sus resultados con otros motores, como el de imágenes. Por otro lado, el motor de búsqueda de imágenes se enfoca en medios visuales, dependiendo más de nombres de archivo, metadatos y texto asociado a las imágenes.

Componentes clave de la búsqueda de imágenes

Desde que realizás una búsqueda hasta que ves los resultados, ocurren muchas cosas. Módulos separados dentro del motor de búsqueda de imágenes están involucrados en el procesamiento de la consulta, de las imágenes y en la clasificación de los resultados.

Los componentes centrales son:

• Módulo de rastreo de imágenes
• Módulo de términos de imágenes
• Módulo de características de imágenes
• Módulo de similitud de imágenes
• Módulo de probabilidades
• Módulo de indexación de imágenes
• Servidor de búsqueda de imágenes
• Módulo de puntuación y clasificación
• Repositorio/Índice de imágenes

Módulos de búsqueda de imágenes

• Módulo de rastreo de imágenes (ImageBot): Rastrea hosts de contenido (páginas web) buscando imágenes y contenido asociado. Descarga copias para su posterior procesamiento.
• Módulo de términos de imágenes: Extrae términos de metadatos y contenido asociado a la imagen, determinando cuáles se asocian a ella (también conocidos como «»etiquetas»» o «»keywords»»).

¿De dónde vienen los términos?

El módulo de términos de imágenes extrae términos de:

• Metadatos asociados a la imagen.
• Contenido asociado a la imagen.
• User testing.

¿Qué información se encuentra en los metadatos?

Los metadatos de la imagen pueden contener términos como:

• Timestamp
• Marca y modelo de la cámara
• Orientación
• Apertura
• Longitud focal
• Modo de medición
• Velocidad ISO
• Geolocalización
• Tamaño del archivo
• Fecha de creación del archivo
• Información de resolución de la imagen
• Título
• Descripción
• Categorías
• Keywords

¿Cómo se evalúa la relevancia de un término para una imagen?

Cada término asociado a una imagen se puntúa para evaluar su relevancia. Google utiliza la frecuencia del término-frecuencia inversa del documento (TF-IDF) para calcular si el término es relevante para una imagen o si es genérico a todas las demás imágenes.

Módulo de indexación y repositorio de imágenes

• Módulo de indexación de imágenes: Indexa las imágenes para ser mostradas al usuario, asignando un índice junto con términos asociados.
• Repositorio/Índice de imágenes: La base de datos que almacena las imágenes conocidas y su información.

Módulos de puntuación y clasificación

El módulo de puntuación y clasificación proporciona puntuaciones utilizadas en varias etapas del pipeline para mejorar la clasificación de las imágenes. Contiene dos grupos de algoritmos:

• Algoritmo de puntuación: proporciona puntuaciones para cada término relacionado con una imagen.
• Algoritmo de clasificación: proporciona puntuaciones para cada imagen relacionada con un término de búsqueda.

Calidad de imágenes y detección de duplicados

Mostrar imágenes duplicadas rara vez es útil para el usuario. Por lo tanto, Google intenta identificar imágenes duplicadas o casi duplicadas de varias maneras:

• Imágenes con metadatos EXIF idénticos
• Imágenes con características calculadas idénticas o demasiado similares

La puntuación de calidad de la imagen puede ser estimada por el módulo de control de calidad de imagen del motor de búsqueda de imágenes mediante el uso de uno o más indicadores independientes de la consulta:

• Profundidad de color de la imagen
• Qué tanto está enfocada la imagen
• Nivel de saturación de la imagen
• Unicidad

La calidad de la imagen se puntúa entre 0 y 1.

Reordenamiento de resultados de búsqueda de imágenes

El componente de refinamiento es el software que reordena los resultados de búsqueda de imágenes. El reordenamiento se basa en las características de las imágenes y el módulo de categorización de consultas.

Patentes y tecnología detrás de la búsqueda de imágenes

La patente más completa sobre el motor de búsqueda de imágenes se llama “Ranking of images and image labels” y es la base de la mayor parte del contenido que encontrarás en este artículo.

Las patentes incluyen:

• Ranking of images and image labels
• Clustering Queries for Image Search
• How Google Displays Images Within Web Search Results?
• How Google Selects the Most Representative Image of a Set
• Query Categorization Based on Image Results
• Near duplicate images
• Image retrieval
• Mapping images to search queries (covered by Olaf Kopp)

Detalles de la patente

• Nombre: Ranking of images and image labels
• Cesionario: Google LLC
• Filed: 2011-05-09
• Inventor(s): Yushi Jing, Shumeet Baluja
• Patent: US8326091B1

¿Listo para empezar a optimizar?

¡Uf, eso fue un montón! Los resultados de búsqueda de imágenes de Google están respaldados por múltiples componentes y algoritmos para garantizar que las imágenes sean relevantes para una consulta y que sean de alta calidad e informativas para el usuario.

Aprendimos que cuando Google rastrea imágenes, recopila términos del contexto de la imagen y los almacena en el módulo de indexación para permitir la recuperación. También aprendimos cómo el módulo de características y los módulos de similitud trabajan junto con los módulos de probabilidades para identificar qué tan similares son las imágenes y qué tan probable es que los usuarios naveguen entre imágenes.

Ahora sabemos cómo funciona el motor de búsqueda de imágenes y cómo Google clasifica las imágenes. ¡A optimizar esas imágenes!

Si estás interesado en herramientas avanzadas para potenciar tu SEO, como las python seo tools, te invitamos a explorarlas.

Y recordá esto, para optimizar tus imágenes, no te olvides de:

• Usar formatos modernos como WebP o AVIF para que carguen más rápido.
• Escribir textos alternativos (alt text) descriptivos y relevantes.
• Asegurate de que tus imágenes estén bien dimensionadas para la página.