محققان پژوهشكده پردازش هوشمند علائم، موفق به ارائه روشي جديد براي تشخيص تصاوير غير اخلاقي از تصاوير اخلاقي با استفاده از ويژگي‌هاي شكلي و بافتي شدند.
به گزارش گرداب، با توجه به گسترش سريع اينترنت، تشخيص و جداسازي تصاوير غير اخلاقي از تصاوير اخلاقي يكي از شاخه‌هاي طبقه‌بندي محتوا – محور تصاوير است.در حال حاضر روش‌هاي تشخيص محتوا – محور تصاوير غير اخلاقي مبتني بر وجود نرخ پوست است، داراي چالش‌هايي در انتخاب فضاي رنگ و انتخاب ويژگي‌هاي مناسب در تصاوير است.
روش پيشنهادي "پريسا گيفاني" و "مجيد وفايي زاده"، محققان پژوهشكده پردازش هوشمند علائم مبتني بر استفاده از تركيب فضاهاي رنگي براي استخراج ماسك پوست، استخراج ويژگي‌هاي شكلي و بافتي از ماسك پوست، انتخاب ويژگي‌هاي مناسب با كمك MRMR و SVM به عنوان طبقه‌بندي كننده است.
در روش پيشنهادي براي كاهش خطا و بالا بردن دقت تشخيص از يك الگوريتم آشكارسازي چهره با استفاده از ويژگي‌هاي هار و طبقه‌بندي كننده adaboost استفاده شده كه با استفاده از طبقه‌بندي كننده SVM توانايي اين روش براي تشخيص تصاوير غير اخلاقي 94 درصد و براي تصاوير اخلاقي 90 درصد است.
به گفته محققان، نتايج نشان داده كه مي‌توان با استفاده از استخراج ويژگي‌هاي مناسب و انتخاب صحيح ويژگي از تصاوير با دقت خوبي، تصاوير غير اخلاقي را از تصاوير اخلاقي جداسازي كرد.
منبع: ایسنا
آخرین اخبار
کشف یک آسیب‌پذیری با اجرای کد دلخواه برروی رایانه قربانی‌ها
بر سر موضعمان در خصوص رفع فیلترینگ ایستاده‌ایم
نشت اطلاعات در وب تاریک | مستند
تسهیلات ۱۰۰۰میلیاردی برای توسعه دانش‌بنیان‌های فضایی
اینستاگرام و تلگرام باید به قواعد کشور پایبند باشند | فیلم
موج جدید اخراج کارمندان موزیلا
روایتی عینی از سانسور فلسطینی‌ها در رسانه ملی کانادا_بخش اول
تایید سلامت عملکرد «هدهد» و «کوثر» با دریافت اولین سیگنال
اپل در انتظار جریمه از سوی اتحادیه اروپا
جریمه ۱۵ میلیون دلاری متا در کره جنوبی
پربازدیدترین اخبار