Bellingcat tersine görsel arama rehberini Türkçeleştirdik

Bu içerik ilk kez Bellingcat’de 26 Aralık 2019 tarihinde yayımlanmış ve Teyit tarafından çevrilmiştir.

Tersine görsel arama, birçok web tarayıcısında “Google içinde resim ara” seçeneğiyle iki tıkta işlevsel bir şekilde kullanılabilen, en çok bilinen ve en kolay dijital araştırma tekniklerinden biri. Bu yöntem aynı zamanda popüler kültürde de yaygın olarak kullanılıyor; bunlardan belki de en önemlisi, MTV’de yayınlanan program Catfish. Programda, sosyal medya hesaplarında çalıntı fotoğraflar kullanan, online ilişkilerdeki insanlar açığa çıkarılıyor.

Ancak, tersine görsel arama için yalnızca Google’ı kullandığınızda çoğunlukla hayal kırıklığına uğruyorsunuz. Arama sürecinizi, bir fotoğrafı orijinal biçiminde images.google.com adresine yüklemekle sınırlamak, çalıntı veya popüler görüntüler için faydalı sonuçlar verebilir. Ancak çok yönlü araştırma projeleri için elinizin altında başka siteler de olması gerekiyor — tabii bir de yaratıcılık.

Bu kılavuzda, dijital araştırmalarda bir görüntünün kaynağını, insanları ve konumları tespit etmek için tersine görsel arama stratejileri üzerinde durulacaktır. Arama motorları arasındaki temel farklar detaylandırıldıktan sonra, Yandex, Bing ve Google farklı nesneleri ve dünyanın çeşitli bölgelerini gösteren beş test görüntüsüyle test edilecektir.

Google’ın ötesinde

Bu konuyla ilgili ilk ve en önemli tavsiyeyi vurgulamak gerekiyor: Google’ın tersine görsel arama özelliği pek de iyi değil.

Bu kılavuzun yayın tarihi itibariyle, tersine görsel arama konusunun tartışmasız lideri Rusya kökenli site Yandex. Yandex’ten sonra Microsoft Bing ve Google geliyor. Araştırmalarda kullanılabilecek dördüncü bir hizmet ise TinEye, ancak bu site, fikri mülkiyet ihlalleri konusunda uzmanlaşmış ve görüntülerin tam kopyalarını arıyor.

Yandex

Yandex, yüzleri, manzaraları ve nesneleri tanıma konusunda korkunç derecede güçlü bir yeteneğe sahip ve tersine görsel arama konusunda en iyisi. Rusya kökenli bu site, yüz ve manzara tanıma sorgusunda son derece doğru sonuçlar elde ederken turist siteleri (ör. FourSquare ve TripAdvisor) ve sosyal ağlar (ör. çöpçatanlık siteleri) gibi, kullanıcılar tarafından oluşturulan içerikten ciddi ölçüde yararlanıyor.

Avrupa veya eski Sovyet çevresinde çekilen fotoğraflarda çok güçlü. Kuzey Amerika, Afrika ve diğer yerlerden gelen fotoğraflarda da Yandex’ten yararlı sonuçlar elde edebiliyorsunuz ancak hedef görüntülerinizin ülkesi yerine çoğunlukla Rusya, Ukrayna ve Doğu Avrupa’dan gelen sonuçlar arasında gezinince hayal kırıklığına uğrayabilirsiniz.

Yandex’i kullanmak için images.yandex.com adresine gidin, ardından sağdaki kamera simgesine tıklayın.

Buradan cihazınızda kayıtlı olan bir görüntüyü yükleyebilir veya online ortamda bulunan bir görüntünün URL’sini girebilirsiniz.

Eğer kullanıcı arayüzünüz Rusçaysa: sırasıyla Выберите файл (dosya seç) veya Введите адрес картинки (görselin adresini gir), ardından Найти (bul) tıklayın. Aramayı yaptıktan sonra ise, Похожие картинки (Benzer görseller) ve Ещё похожие (Daha fazla benzer görsel göster) seçin.

Yandex tarafından kullanılan yüz tanıma algoritmaları şok edici derecede iyi. Yandex, içinde bir yüz bulunan fotoğrafa benzeyen fotoğraflar aramakla kalmıyor, aynı zamanda aynı kişinin tamamen farklı aydınlatma, arka plan renkleri ve pozisyonları olan (yüz benzerlikleri ile belirlenen) diğer fotoğrafları da arıyor. Google ve Bing, benzer kıyafetler ve benzer genel yüz özellikleri olan bir kişiyi gösteren diğer fotoğrafları arasa da Yandex bu eşlemelerin yanı sıra yüz eşleşmesi yapılan fotoğrafları da arıyor. Aşağıda, üç hizmetin, MH17’in düşüşüyle ilgili bir şüpheli olan Rus Sergey Dubinsky’nin yüzünü nasıl aradığını görebilirsiniz. Yandex, çeşitli kaynaklardan Dubinsky’nin çok sayıda fotoğrafını buluyor (en iyi sonuçların sadece ikisi alakasız insanlara sahip); sonuç, orijinal görüntüden farklı ama aynı kişiyi gösteriyor. Google pek iyi iş çıkaramıyor, Bing ise Dubinsky’yi gösteren tek bir sonuç (ikinci sıra, beşinci görüntü) çıkarıyor.

Yandex bir Rus hizmeti ve Kremlin’le olan bağlarına (veya gelecekteki potansiyel bağlarına) dair endişeler ve şüpheler bulunuyor. Araştırmanın yazarı Aric Toler, araştırmanın yayınlandığı bellingcat.com sitesinde, arama yetenekleri sebebiyle Yandex’in kullanıldığını söylerken insanların biraz daha paranoyak olabileceğini söylüyor. “Yandex’i, tehlikelerini farkında olarak kullanın, özellikle de eğer VK ve diğer Rus hizmetlerini kullanmaktan endişe ediyorsanız. Eğer paranoyak değilseniz, kendinizin veya tanıdığınız birinin, dizine eklenmemiş bir fotoğrafını Yandex’te aramayı deneyin ve kendinizi veya görsel ikizinizi internette bulup bulamayacağınıza bakın.”

Bing

Geçtiğimiz birkaç yıl içinde Bing tersine görsel arama yeteneklerinde Google’a yetişti ancak yine de bu yetenekler kısıtlı. images.bing.com adresinde bulunan Bing “Görsel Arama”nın kullanımı çok kolay ve başka yerde bulunmayan ilginç birkaç özellik sunuyor.

Bing görsel aramasında, aşağıda görüldüğü gibi, söz konusu fotoğraftaki belirli bir öğeye odaklanmak için bir fotoğrafı (kaynak görüntünün altındaki buton ile) kırpmanıza izin veriyor. Kırpılan görüntü ile elde edilen sonuçlar, kullanıcının tanımladığı kutunun içine odaklanarak yabancı öğeleri hariç tutuyor. Fakat görüntünün seçilen kısmı küçükse fotoğrafı kendiniz kırpmak ve çözünürlüğü artırmak daha mantıklı: Düşük çözünürlüklü görüntüler (200×200’ün altında) kötü sonuçlara sebep oluyor.

Aşağıda Google Sokak Görünümü’nden alınan, Pug cinsi iki köpeği gezdiren bir adamın olduğu görüntü, köpeklere odaklanacak şekilde kesiliyor; Bing ise görsel olarak benzer sonuçlarla birlikte, fotoğrafta görünen köpeklerin cinsindeki köpeklerin görüntüsünü öneriyor (“Buna benziyor” özelliği). Bu sonuçların birçoğu gezdirilen köpekleri gösteriyor ve kaynak görüntüyle eşleşiyor; ancak hepsi yalnızca pug cinsi köpekler değil, Fransız bulldog, İngiliz bulldog, çoban köpeği ve diğer cinsleri de gösteriyor.

Google

images.google.com adresinden erişilen Google açık ara en popüler tersine görsel arama motoru ve basit tersine görsel arama işlemleri için işe yarıyor. Bu, nispeten basit sorgular, fotoğraflardaki tanınmış kişileri tespit etmek, bir süredir internette paylaşılan görüntülerin kaynağını bulmak, bir sanat eserinin adını ve yaratıcısını bulmak gibi şeyler içeriyor. Ancak araştırdığınızın neredeyse aynısı olmayan görüntüler bulmak istiyorsanız hayal kırıklığına uğrayabilirsiniz.

Örneğin, bir Trump mitinginde bir BBC muhabirine saldırmaya çalışan adamın yüzünü aradığınızda, Google kırpılmış görüntünün kaynağını bulabiliyor ancak herhangi bir ek görüntü bulamıyor, hatta en ufak benzerlik taşıyan birini dahi bulamıyor.

Google, bu adamın yüzüne veya ona benzer insanların yüzüne dair başka örnekler bulmada pek başarılı olmasa da fotoğrafın, ekran görüntüsünün alındığı orijinal, kırpılmamış hâlini bularak biraz da olsa işe yarıyor.

Beş test vakası

Farklı tersine görsel arama tekniklerini ve motorlarını test etmek için, hem (daha önce çevrimiçi olarak yüklenmemiş) orijinal fotoğraflar hem de geri dönüştürülmüş fotoğraflar olmak üzere, farklı araştırma türlerini temsil eden bir takım görüntü kullanıldı. Bu fotoğrafların bu kılavuzda yer alması nedeniyle bu test vakalarının gelecekte, amaçlandığı gibi çalışmayacağı muhtemel, çünkü arama motorları bu fotoğrafları dizinleyecek ve sonuçlarına entegre edecek. Bu nedenle bu kılavuz yazılırken ortaya çıkan sonuçların ekran görüntüleri kılavuza eklendi.

Bu test fotoğrafları, kaynak materyal konusunda arama motorlarının gücünü test etmek adına Batı Avrupa, Doğu Avrupa, Güney Amerika, Güneydoğu Asya ve Amerika Birleşik Devletleri’nden birçok farklı coğrafi bölge içeriyor. Bu fotoğrafların her birinde, her arama motorunun güçlü ve zayıf yönlerini test etmek adına belirli objeler vurgulanıyor.

Bu fotoğrafları indirebilir ve yeteneklerinizi test etmek için arama motorlarında bu görüntüleri aratabilirsiniz.

Sonuçlar

Bu fotoğrafların her biri, üç arama motorunun yeteneklerini ve sınırlamalarını göstermek için seçilmiştir. Özellikle Yandex zaman zaman dijital kara büyü yapıyormuş gibi görünse de, yanılmaz olmaktan uzak ve bazı arama türlerinde zorlanabiliyor. Bu kılavuzun sonuna, bu sınırlamaların üstesinden gelmenin bazı yolları ve yaratıcı arama stratejileri eklendi.

1) Olisov Sarayı, Novgorod

Tahmin edilebileceği üzere, Yandex bu Rus binasını tespit etmede hiç sorun yaşamadı. Yandex, kaynak fotoğrafla benzer açıdan çekilen fotoğrafların yanı sıra, kaynak görüntünün bakış açısından saat yönünün tersine 90 derece de dahil olmak üzere (üçüncü sıradaki ilk iki resme bakın) diğer perspektiflerden de görüntüler buldu.

Yandex, fotoğrafın ön planındaki beyaz SUV aracı Nissan Juke olarak tespit ederken de sorun yaşamadı.

Son olarak, bu görüntü için en zorlu izole aramada, Yandex binanın önündeki, tanımlı olmayan gri karavanı tespit etmede başarısız oldu. Birkaç sonuç, kaynak görüntüye benziyor ancak hiçbiri gerçek bir eşleşme değil.

Bing bu yapıyı saptamada tamamen başarısız oldu. Neredeyse tüm sonuçlar Amerika Birleşik Devletleri ve Batı Avrupa’dan, beyaz/gri duvar veya dış cephe kaplaması ve kahverengi çatılı evler gösteriyordu.

Aynı şekilde, Bing, beyaz SUV‘un bir Nissan Juke olduğunu da tespit edemedi ve bir dizi diğer beyaz SUV ve arabaya odaklandı.

Son olarak, Bing gri karavanı tanımlamada da başarısız oldu ve daha büyük karavanlara ve başka tip gri karavanlara odaklandı.

Google‘ın tam fotoğraf için sonuçları gülünç derecede kötü: House isimli diziyi ve çok az görsel benzerliğe sahip görüntüler çıkarıyor.

Google, beyaz SUV‘un bir Nissan Juke olduğunu başarıyla tespit etti, hatta metin alanı aramasına not etti. Yandex’te olduğu gibi, arama motoruna popüler referans materyalleri ile benzer bir perspektiften bir görüntü sunmak —bir otomobilin çoğu reklamdakine benzer yan görünümü gibi— tersine görsel algoritmalarının en iyi sonucu vermesini sağlamaktadır.

Son olarak, Google gri karavanın ne olduğunu tespit etti (karavan/büyük karavan), ancak “görsel olarak benzer görüntüleri” oldukça alakasızdı.

Skor: Yandex 2/3; Bing 0/3; Google 1/3

2) Cebu

Yandex teknik olarak manzaranın, Cebu, Filipinler olduğunu tespit etti fakat bu tesadüf olabilir. Birinci sıradaki dördüncü sonuç ve ikinci sıradaki dördüncü sonuç Cebu’dan, ancak yalnızca ikinci fotoğraf, kaynak görüntüdeki ile aynı binalardan herhangi birini gösteriyor. Aynı zamanda sonuçların çoğu Güneydoğu Asya’dan (özellikle Rus turistler için popüler bir yer olan Tayland’dan). Benzer mimari tarzları tespit edebiliyor ancak hiçbiri kaynakla aynı perspektiften değil.

Yandex izole edilen iki bina fotoğrafından (Padgett Palace ve Waterfront Hotel), ikincisini tespit edebildi ancak ilkini edemedi. Padgett Palace binası, içinde daireler bulunan, yüksek katlı, görece sıradan bir yapı; Waterfront Hotel‘in içinde ise bir kumarhane var ve bu da içinin belirgin mimarisini gösteren turist fotoğrafları olmasını sağlıyor.

Bing’de, Cebu şehir manzarası aratıldığında Güneydoğu Asya’dan bile herhangi bir sonuç çıkmadı ve dizinli sonuçlarındaki ciddi coğrafi sınırlamaları gösterdi.

Yandex gibi, Bing de kaynak görüntünün sol tarafındaki binayı tanımlayamadı.

Bing, kırpma özelliği kullanıldığında da (bu yalnızca düşük çözünürlüklü fotoğraflar buldu) önceden kırpılmış görüntü kullanılarak kaynak görüntüdeki binanın çözünürlüğü artırıldığında da  Waterfront Hotel‘i bulamadı. Çözünürlük dışında tıpatıp aynı olan bu iki görüntüden elde edilen sonuçların önemli ölçüde farklı sonuçlar oluşturduğunu da belirtmek gerekir. 

Yandex’te olduğu gibi, Google da sonuçlarında Cebu‘nun bir fotoğrafını çıkardı ancak bu fotoğrafın kaynak görüntüyle güçlü bir benzerliği yoktu. Cebu, ilk sonuçlarda küçük resimlerde (thumbnail) çıkmasa da, “görsel olarak benzer görüntüler” kısmına gidildiğinde, Cebu’nun siluetinin olduğu bir görüntü on birinci sonuç olarak (aşağıdaki ikinci sıradaki üçüncü görüntü) çıkıyor.

Yandex ve Bing’de olduğu gibi, Google da kaynak görüntünün sol tarafındaki çok katlı binayı tanımlayamadı. Google ayrıca Waterfront Hotel görüntüsünde de başarısız oldu.

Skor: Yandex 4/6; Bing 0/6; Google 2/6

3) Bloomberg 2020 reklamındaki öğrenci

Yandex bu Bloomberg reklamındaki kaynak görüntüyü bulmayı başardı: Getty Images’dan bir stok fotoğraf. Bununla birlikte, Yandex, fotoğrafın filtre uygulanmış hâllerini (ilk sıradaki ikinci sonuç) ve aynı stok fotoğraf serisinden ek fotoğraflar da buldu. Ayrıca, nedendir bilinmez ama aşağıdaki bulanık sonuçlarda görüldüğü gibi porno görüntüleri de buldu.

Stok fotoğraf modelinin sadece yüzü izole edildiğinde, Yandex aynı adamın diğer fotoğraflarını (ilk sıradaki son resme bakın) ve sınıfta çekilen aynı stok fotoğrafının görüntülerini (ilk sıradaki dördüncü resme bakın) de buldu.

Bing‘in arama sonuçları ilginçti: Stok fotoğrafın tam eşleşmesini buldu ve mavi gömlekli diğer erkeklerin “benzer görüntülerini” çıkardı. Sonucun “Bunu içeren sayfalar” sekmesi, aynı görüntünün web genelindeki sürümlerinin olduğu kullanışlı bir liste veriyor.

Stok fotoğraf modelinin sadece yüzüne odaklanmak herhangi bir yararlı sonuç çıkarmıyor veya alındığı kaynak görüntüyü göstermiyor.

Google, Bloomberg reklamında kullanılan görüntünün bir stok fotoğraf olduğunu anlıyor ve özdeş sonucu buluyor. Google ayrıca sınıftaki mavi gömlekli insanların diğer stok fotoğraflarını da buluyor.

Öğrenciyi izole edince Google yine stok fotoğrafın kaynağına götürüyor ancak görsel olarak benzer görüntüler, stok fotoğraf modelini göstermiyor, benzer sakalı ve bıyığı olan bir dizi erkeği gösteriyor. Orijinal görüntüyü bulduğu, ancak Yandex’in yaptığı gibi spesifik modele dair hiçbir bilgi göstermediği için bu yarı faydalı olarak görülebilir.

Skor: Yandex 6/8; Bing 1/8; Google 3.5/8

4) Brezilya sokak görünümü

Yandex, bu görüntünün Brezilya’da çekildiğini anlayamadı ve Rusya’daki kent manzaralarına odaklandı.

Toca do Açaí için ise nedense Yandex çoğunlukla porno sonuçları çıkardı. Görüntüler bulanık. Sonuçları görmek için buraya tıklayabilirsiniz. Ancak, bulanık fotoğrafların çokluğuna rağmen sonuçların ikisi logoyu doğru tespit etti.

[Estacionamento] otopark tabelası için ise Yandex çok kötü sonuçlar çıkardı.

Bing, bu sokak görünümü görüntüsünün Brezilya’da çekildiğini bulamadı.

otopark tabelasını da tanımadı…

Toca do Açaí logosunu da.

Görüntü doğrudan Google’ın Sokak Görünümü’nden alınmış olmasına rağmen Google tersine görsel araması, kendi hizmetine yüklenen fotoğrafı tanımadı.

Tıpkı Bing ve Yandex gibi, Google da Portekizce otopark levhasını tanıyamadı.

Son olarak, Google Toca do Açaí logosunu tanıyamadı ve çeşitli ahşap panellere odaklanarak logo ve kelimelerden ziyade görüntünün zeminine odaklandığını gösterdi.

Skor: Yandex 7/11; Bing 1/11; Google 3.5/11

5) Amsterdam kanalı

Yandex, bu fotoğrafın Amsterdam’da tam olarak nerede çekildiğini çözdü ve çerçevedeki çeşitli kuş türlerinin de dahil olduğu, Amsterdam’ın merkezinde çekilen diğer fotoğrafları buldu.

Yandex fotoğrafın ön planındaki gri balıkçılı (серая цапля) doğru tanımlayabildi, ayrıca kaynak görüntü ile benzer pozisyon ve duruştaki gri balıkçıl görüntüleri de sundu.

Ancak Yandex, fotoğrafın arka planında asılı olan Hollanda bayrağını belirleme testini geçemedi. Bayrağı normal deseninde göstermek için görüntüyü saat yönünde 90 derece döndürünce Yandex bunun bir bayrak olduğunu anladı, ancak sonuçlarında herhangi bir Hollandalı bayrağı çıkarmadı.

Bing yalnızca bu görüntünün, içinde su olan bir şehir manzarası olduğunu anladı ve Amsterdam’a dair sonuç çıkarmadı.

Bing kent manzarasını tanımlamakla zorlansa da, kuşu, gri balıkçıl olarak tanımladı ve ayrıca “Şuna benziyor” sekmesinde kuşu tanımlayan bir sayfaya yönlendirdi.

Ancak Yandex’te olduğu gibi Bing için de Hollanda bayrağı hem orijinal hem de döndürülmüş hâllerinde fazla kafa karıştırıcıydı.

Google, görüntüdeki kanalda bir yansıma olduğunu belirtti ancak başka bir şey yapmayarak şehirlerdeki parkeli yollara odaklanıp Amsterdam’a dair hiçbir şey göstermedi.

Google kuş tanımlama alıştırmasında neredeyse başarılı oluyordu ancak ucundan kaçırdı — büyük mavi (great blue) değil, gri balıkçıl (grey heron) olacaktı.

Google ayrıca Hollanda bayrağını da tanımlayamadı. Yandex, görüntünün bir bayrak olduğunu fark etse de Google’ın algoritması görüntüyü çerçeveleyen pencereye odaklandı ve bayrağı yanlış şekilde ‘perde’ olarak tanımladı.

Son Skor: Yandex 9/14; Bing 2/14; Google 3.5/14

Yaratıcı arama

Bu kılavuzda açıklanan eksikliklerle bile, arama sürecinizi en üst düzeye çıkarmak ve arama algoritmalarıyla oynamak için bir takım yöntemler bulunuyor.

Uzmanlaşmış siteler

Birincisi, bu kılavuzda detaylandırılan üçü dışında diğer, daha uzmanlaşmış arama motorları kullanabilirsiniz. Örneğin, Cornell Lab’ın Merlin Bird ID isimli uygulaması, bir fotoğraftaki kuşların türünü belirleme veya olası seçenekler sunma konusunda son derece başarılı. Ayrıca, uygulama olmasa ve bir fotoğrafı tersine arayamasanız dahi FlagID.org isimli site bir bayrak hakkındaki bilgileri elle girip nerenin bayrağı olduğunu öğrenmenize yardım edebilir. Örneğin, Yandex’in bile zorlandığı Hollanda bayrağıyla FlagID hiç zorlanmıyor. Üç renkli yatay bir bayrak seçtikten sonra, görüntüde görünen renkleri koyunca, (Lüksemburg bayrağı gibi diğer benzer görünümlü bayraklarla birlikte) Hollanda’yı da içeren bir dizi seçenek görebiliyorsunuz.

Dil tanıma

Tanımadığınız bir yazımda yabancı bir dile bakıyorsanız, hayatınızı kolaylaştırmak için OCR veya Google Translate kullanmayı deneyin. Google Translate’in el yazısı aracı, elinizle yazdığınız bir harfin dilini* tespit etmenize veya (biliyorsanız) bir dil seçip sizin yazmanıza yarıyor. Aşağıda, bir kafenin adı (“Sisteki Kirpi“), Google Translate’in el yazısı aracıyla yazılı ve aranabilecek kelimenin (Ёжик) yazılı versiyonu bulunuyor.

*Uyarı: Dilin ne olduğunu bilmiyorsanız Google Translate harfleri tanımada çok iyi değil ancak sonuçlar arasında yeterince aşağı inerseniz elinizle yazdığınız harfi eninde sonunda bulabilirsiniz.

Pikselleşme ve bulanıklık

Kısa bir Twitter başlığında da ayrıntılı olarak belirtildiği gibi, bir fotoğrafın öğelerini pikselleştirerek veya bulanıklaştırarak arama motorunu arka plana odaklaması için kandırabilirsiniz. Rudy Giuliani’nin sözcüsünün bu fotoğrafının tam görüntüsünü yüklemek, fotoğrafın nerede çekildiğini gösteren sonuçlar çıkarmıyor.

Ancak görüntünün ortasındaki kadını bulanıklaştırırsak/pikselleştirirsek, Yandex (ve diğer arama motorları) görüntünün diğer unsurlarını eşleştirebiliyor: sandalyeler, tablolar, avize, halı ve duvar desenleri vb.

Pikselleştirme yapıldıktan sonra Yandex görüntünün tam olarak nerede çekildiğini buluyor: Viyana’da meşhur bir otel.

Sonuç

Tersine görsel arama motorları son on yılda önemli ölçüde gelişti ve gelişmeye devam ediyor. Giderek artan dizinli materyal miktarı ile birlikte, arama devleri, kullanıcılarını Google Photos gibi görüntü host servislerine kaydolmaya ikna ederek bu arama algoritmalarına, makine öğrenimi için sonsuz miktarda materyal veriyor. Bununla birlikte, Yüz Tanıma Yapay Zekası FindClone gibi ürünler tüketici alanına giriyor ve örneğin Yandex gibi bazı arama algoritmalarıyla kullanılabiliyor. Facebook veya Instagram gibi herhangi bir Batı sosyal ağını kullanan kamuya açık bir yüz tanıma programı yok, ancak belki de böyle bir şeyin ortaya çıkması ve çevrimiçi gizliliğe büyük bir darbe indirerek (büyük maliyetle) dijital araştırmanın işlevselliğini artırması an meselesi.

Tersine görsel arama için bazı kolay ipuçları:

  • İlk, ikinci ve üçüncü denemenizde Yandex‘i kullanın, hâla istediğiniz sonuca erişemiyorsanız Bing ve Google‘ı kullanın.
  • Batılı bir ülkeden veya eski bir Sovyet ülkesinden olmayan kaynak görüntülerle çalışıyorsanız şansınıza küsün. Bu arama motorları bu bölgelere odaklı ve Güney Amerika, Orta Amerika/Karayipler, Afrika ve Asya’nın çoğunda çekilen fotoğraflarda zorlanıyorlar.
  • Bir piksel karmaşası hâline gelene kadar iki veya üç katına çıkarmak anlamına gelse bile çözünürlüğü artırın. Bu arama motorlarının hiçbiri 200×200 altındaki görüntülerle pek çalışmıyor.
  • Sonuçlarınız yanlış şeylere odaklanıyorsa görüntünün öğelerini kırpmayı veya pikselleştirmeyi deneyin. Bu arama motorlarının çoğu, insanlara ve yüzlerine odaklanıyor, bu yüzden arka plan öğelerine odaklanmak için onları pikselleştirin.
  • Her şey başarısız olursa, gerçekten yaratıcı olun: görüntüyü yatay olarak yansıtın, bazı renk filtreleri ekleyin veya resim düzenleyicinizdeki klon aracını kullanarak görüntüdeki, aramaları bozan öğeleri doldurun.

Kaynak

Bellingcat, Guide to Using Reverse Image Search for Investigations, 26 Aralık 2019

Çeviri: Can Başaçek

Kapak görseli: ReverseImageSearch

Bir sahte içeriği gerçeğinden ayırt etmenin yollarına, teyitçi gibi düşünebilmeyi sağlayan yöntemlere, doğrulama araçlarına, fact-checking dünyasından haberlere ve güncel gelişmelere yer verdiğimiz #teyitpedia yazısını sonuna kadar okuduğunuz için teşekkürler.

Bu kategorideki yazılarımızı daha hızlı sürede hazırlamamız ve daha fazla kişiye ulaştırabilmemiz için bizi Patreon sayfamızdan destekleyebilirsiniz.

Kaynak

Bellingcat, Guide to Using Reverse Image Search for Investigations, 26 Aralık 2019

Çeviri: Can Başaçek

Kapak görseli: ReverseImageSearch