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