محققان پژوهشکده پردازش هوشمند علائم، موفق به ارائه روشی جدید برای تشخیص تصاویر غیر اخلاقی از تصاویر اخلاقی با استفاده از ویژگی‌های شکلی و بافتی شدند.

 

به گزارش آلامتو به نقل از ایسنا، با توجه به گسترش سریع اینترنت، تشخیص و جداسازی تصاویر غیر اخلاقی از تصاویر اخلاقی یکی از شاخه‌های طبقه‌بندی محتوا – محور تصاویر است.

در حال حاضر روش‌های تشخیص محتوا – محور تصاویر غیر اخلاقی مبتنی بر وجود نرخ پوست است، دارای چالش‌هایی در انتخاب فضای رنگ و انتخاب ویژگی‌های مناسب در تصاویر است.

روش پیشنهادی پریسا گیفانی و مجید وفایی زاده، محققان پژوهشکده پردازش هوشمند علائم مبتنی بر استفاده از ترکیب فضاهای رنگی برای استخراج ماسک پوست، استخراج ویژگی‌های شکلی و بافتی از ماسک پوست، انتخاب ویژگی‌های مناسب با کمک MRMR و SVM به عنوان طبقه‌بندی کننده است.

در روش پیشنهادی برای کاهش خطا و بالا بردن دقت تشخیص ‌از یک الگوریتم آشکارسازی چهره با استفاده از ویژگی‌های هار و طبقه‌بندی کننده adaboost استفاده شده که با استفاده از طبقه‌بندی کننده SVM توانایی این روش برای تشخیص تصاویر غیر اخلاقی ۹۴ درصد و برای تصاویر اخلاقی ۹۰ درصد است.

به گفته محققان، نتایج نشان داده که می‌توان با استفاده از استخراج ویژگی‌های مناسب و انتخاب صحیح ویژگی از تصاویر با دقت خوبی، تصاویر غیر اخلاقی را از تصاویر اخلاقی جداسازی کرد.