به گزارش ايسنا، 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.