按相关性排序图像的算法

Question

我正在论坛网站上开发一项功能，允许在帖子中包含链接和其他类型的内容（用于澄清问题或答案）。

与链接功能实现相关，我有几件事要处理：

1. 验证输入的URI（格式正确，有效的方案等）
2. 验证远程资源是否存在
3. 从远程页面中提取图像
4. 向用户显示图像集，让他选择一个

接下来是挑战。在步骤4之前，按照“相关性”的顺序对这组图像进行排序会很棒。我知道这是一个非常模糊的目标:-)但是我可以用步骤4中给出的结果解释我所经历的内容，你会知道我为什么要处理这个解决方案。

很多时候，我将这类内容纳入图像集中：

• 用于页面布局的图像（微小且无用）
• 横幅和广告
• 图像的伪复制（原始图像和调整大小的图像）
• 集合的无序顺序（最后位置上的标识等）

我决定清除这些乱七八糟的图像并按尺寸排序，但我知道这将远离一个好的解决方案。

关于那个???的任何想法

非常感谢！

Answer 1

您可以按饱和度排序（这可以很好地指示图像的有趣程度），查看Image Classification - Detecting Floor Plans的问题“sample implementation”。

最困难的是将图片广告与常规图片分开（因为它们的设计看起来非常有趣），为此，我建议使用以下一种或多种可能的解决方案：

• 忽略具有广告标准尺寸的图片
• 查询该网页两次并忽略更改的图片（广告往往是动态的）
• 忽略托管在外部网站上的图片（了解CDN！）或特定的广告投放网址

为了克服分辨率中图像重复的问题，您可以将它们全部调整为非常低的分辨率（如8x8或4x4），如果两个或多个图像相同，则忽略小（呃）图像。

Answer 2

您可能还希望按照托管位置对图像进行排序 - 首先是现场托管图像，然后是场外图像。如今，大多数广告图像都是从第三方服务器提供的，因此本地图像通常是更相关的图像。