Lo dicevamo anche nei mesi passati: Google Immagini è il nuovo fronte a cui l’azienda californiana sta dedicando le sue attenzioni, e le ultime notizie possono confermare la nostra intuizione. Dopo lo sviluppo di Swipe to Visit, la feature che combina la ricerca per immagini con le potenzialità di AMP, arrivano infatti altri cambiamenti che riguardano foto e risorse multimediali.

Addio a filtri e comandi per personalizzare le ricerche per immagine?

Dagli Stati Uniti – e in particolare, da Reddit – segnalano poi che ci sono altre evoluzioni per il sistema di ricerca attraverso le immagini su Google: in particolare, sono stati spostati i filtri per personalizzare le ricerche (come quelli di “minimum size”, “exact size” e “full color”), reperibili ora soltanto nelle funzionalità avanzate. Secondo molti commentatori, questa scelta sarebbe solo il preludio a una deprecazione di questi comandi, che però si rivelavano utili per moltissimi utenti.

Google velocizza il caricamento delle immagini

Le attenzioni di Google verso le risorse multimediali non finiscono qui, perché la compagnia ha attivato ufficialmente un’altra feature utile, rendendo disponibile su Google Chrome Canary (la versione sperimentale del browser a disposizione degli sviluppatori) un sistema di caricamento delle immagini “lazy loading”.

Già nel suo intervento all’I/O 2019, la Product Manager di Chrome Tal Oppenheimer ha detto che i siti moderni sono più visual che mai e usano tantissime immagini ad alta risoluzione; tuttavia, caricare singolarmente tutte quelle immagini può rallentare il browser e sprecare i dati di connessione dell’utente, perché vengono caricate anche immagini che la persona non vedrà davvero.

Per questo, ha proseguito la Googler, è spesso meglio consentire il caricamento solo delle immagini che servono, tecnica nota come lazy loading; ritenendo che possa essere complicato per gli sviluppatori usare a tal proposito delle soluzioni JavaScript autonome (e, allo stesso tempo, mantenere alta la qualità dell’esperienza che si intende garantire per il proprio business), Google ha studiato una soluzione per semplificare e velocizzare il caricamento delle immagini dal proprio sito.

Soluzioni per gli sviluppatori in Chrome Canary

In termini pratici, selezionando un flag in Chrome Canary (e attivando la spunta su loading=”lazy”), è possibile testare la nuova esperienza di caricamento delle immagini dopo aver aggiunto i nuovi attributi di caricamento ai tag immagine; Chrome si incarica della parte rimanente per determinare quando caricare le immagini, valutando fattori come la velocità di connessione dell’utente, e controlla anche i primi due kilobyte delle diverse immagini sul sito per aggiungere un placeholder nelle giuste dimensioni.

Il risultato finale che deriva dal sistema è un’esperienza più fluida per i siti Web che possiedono immagini pesanti, che possono renderle fruibili in modo più veloce senza la necessità di scrivere codice aggiuntivo.
Le parole di Google sulle Immagini

Google ha il miglior sistema di riconoscimento di immagini

Dopo la notizia cattiva (per gli utenti), chiudiamo con una buona (sicuramente per Google): la compagnia di Mountain View ha infatti battuto i diretti competitor Microsoft, Amazon e IBM nello studio del riconoscimento delle immagini, stando ai risultati di un test eseguito da Perficient Digital.

Secondo la ricerca, la tecnologia Google Vision vanta prestazioni migliori di quelle registrate da concorrenti tra cui Amazon AWS Rekognition, IBM Watson e Microsoft Azure Computer Vision nel riconoscere le immagini in modo adeguato, con un’accuratezza che supera l’80 per cento. Un dato che, sorprendentemente, non è troppo lontano dalle prestazioni del campione umano usato nel corso delle prove (poco sotto al 90 per cento).

Lo studio sul riconoscimento di immagini

 

Lo studio di Perficient Digital

Il test ha seguito questa metodologia: due persone umane hanno raccolto e taggato 2000 immagini in quattro categorie distinte tra cui persone, paesaggi, grafici e prodotti, distribuendo circa 500 immagini in ogni sezione e assegnando cinque tag per descrivere ogni foto. Il software di Perficient ha eseguito tutte le immagini attraverso ciascuna delle API delle tecnologie di analisi sopra elencate, esaminando i risultati con un unico set di etichette/tag per ogni immagine di ciascuna API; quando a ogni tag è stato assegnato un valore, veniva presentata l’immagine successiva.

Come detto, Google Vision si è rivelato il software attualmente più evoluto e maggiormente in grado di riconoscere correttamente gli elementi presenti nelle immagini. Questa informazione può risultare piuttosto utile per comprendere lo stato del lavoro sul perfezionamento di questi dettagli, ed è facile immaginare che la tecnologia integrata nel motore di ricerca sia ancora più evoluta di quella presentata al pubblico con le API.