Hashing visual e reconhecimento de imagens com IA para proteção digital de marcas

A proteção digital de marcas não pode depender apenas da pesquisa de texto, nomes de marcas ou de vendedores. Um anúncio de produto contrafeito pode omitir o nome da marca e continuar a utilizar imagens do produto, embalagens, logótipos, padrões ou fotografias de catálogo.

Por isso, o hashing visual, a pesquisa inversa de imagens e o reconhecimento de imagens com IA são camadas técnicas importantes dos sistemas de proteção digital de marcas.

O que é o hashing visual?

Um hash de ficheiro convencional permite determinar se os ficheiros são idênticos. No entanto, redimensionar ou comprimir uma imagem pode alterar completamente o seu hash.

O hashing percetivo cria uma assinatura que resume as características percetivas da imagem, procurando detetar semelhanças apesar de pequenas alterações.

Onde se utilizam hashes percetivos?

• Encontrar cópias de imagens de catálogo,
• Detetar a mesma fotografia de produto em diferentes marketplaces,
• Identificar pequenos recortes ou alterações de cor,
• Monitorizar o reaparecimento de imagens já identificadas como infratoras.

Um único hash não é suficiente

Um hash percetivo pode ser insuficiente se a imagem tiver sido muito recortada, sobreposta com texto ou novamente fotografada de outro ângulo.

Nestes casos, podem ser usados sistemas de visão computacional e de semelhança baseados em embeddings.

Pesquisa inversa de imagens

A pesquisa inversa de imagens permite investigar onde uma determinada imagem é utilizada na Internet.

Para marcas, pode ajudar a identificar:

• Utilização não autorizada de imagens de catálogo,
• Lojas falsas,
• Perfis de redes sociais que imitam uma identidade,
• Anúncios de produtos não autorizados

.

Semelhança de imagens baseada em embeddings

Os modelos modernos de imagem podem representar uma fotografia por um vetor de elevada dimensão. Isto permite comparar imagens semanticamente semelhantes, mas sem uma estrutura de píxeis idêntica.

Por exemplo, pode detetar-se a semelhança do produto mesmo que a mesma mala seja fotografada com outro fundo e de outro ângulo.

Detecção de logotipo

O logótipo de uma marca pode ocupar apenas uma pequena parte da fotografia. Os modelos de deteção de logótipos podem ajudar a identificar sinais distintivos específicos na imagem.

O resultado de um modelo não constitui, por si só, uma decisão jurídica sobre uma infração; é um sinal de risco.

Detecção de Objetos

As formas de produto, as embalagens ou os elementos de projeto específicos podem ser analisados utilizando modelos de detecção de objetos.

Na monitorização de grandes volumes de anúncios em marketplaces, estes modelos podem reduzir os candidatos antes da revisão manual.

Utilizar imagens e texto em conjunto

Os resultados mais fortes geralmente vêm da análise multimodal.

Num anúncio, podem avaliar-se os seguintes elementos:

• A imagem do produto,
• Título,
• Descrição,
• Vendedor,
• Preço,
• Categoria,
• Avaliações

Estes sinais podem ser considerados em conjunto.

As anomalias de preços são sinais de risco

Além da semelhança visual, preços anormalmente baixos, novos vendedores ou descrições de risco podem integrar a pontuação de proteção da marca.

O problema dos falsos positivos

Uma pontuação de semelhança elevada atribuída por IA não significa que todos os anúncios sejam de produtos contrafeitos.

Um vendedor autorizado pode usar a mesma imagem de catálogo, ou um produto legal pode ter um desenho similar.

A detecção automática e a decisão final devem, por conseguinte, ser separadas.

Pontuação de Risco

Exemplo de modelo de risco:

• Pontuação de semelhança visual,
• Correspondência do logótipo,
• Histórico do vendedor,
• Anomalia do preço,
• Sinais de texto,
• Registos de infrações anteriores.

Verificação Humana

Os registos com pontuação elevada podem ser encaminhados para análise especializada. O analista trabalha assim num pequeno conjunto prioritário, em vez de milhões de anúncios.

Organização das provas

Quando se deteta um anúncio de risco, não basta guardar a pontuação da IA.

Podem ser registados os seguintes elementos:

• URL,
• Informações do vendedor,
• Imagem do anúncio,
• Captura de tela,
• Data e hora,
• Preço,
• Razão para detecção.

Desvio do modelo e atualizações

À medida que os catálogos de produtos e os métodos de contrafacção mudam, o desempenho do modelo pode diminuir. O sistema deve ser verificado regularmente em relação a novas variantes e casos verificados.

Integração com Marketplace Intelligence

O reconhecimento de imagens não serve apenas para detetar contrafações. Associar anúncios do mesmo produto de diferentes vendedores também permite apoiar a análise de preços, canais e vendedores.

A abordagem B10

A B10 Digital Agency visa uma abordagem de proteção de marcas baseada em dados que avalie os sinais de texto, de vendedor, de preço e de imagem em conjunto.

• Proteção e monitorização de marcas
• Marketplace Intelligence e monitorização do comércio eletrónico
• Análise de dados e escuta das redes sociais

Conclusão

O hashing visual e o reconhecimento de imagens com IA não substituem os especialistas em proteção de marcas por um sistema de decisão automática. São uma camada de deteção que ajuda a encontrar conteúdos de risco mais cedo e a maior escala em canais digitais de grande volume.