به گزارش ایسنا، با توجه به گسترش سریع اینترنت، تشخیص و جداسازی تصاویر غیر اخلاقی از تصاویر اخلاقی یكی 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 پژوهشكده پردازش هوشمند علائم مبتنی بر استفاده از تركیب فضاهای رنگی برای استخراج ماسك پوست، استخراج ویژگیهای شكلی و بافتی از ماسك پوست، انتخاب ویژگیهای مناسب با كمك MRMR و SVM به عنوان طبقهبندی كننده است.
در روش پیشنهادی برای كاهش خطا و بالا بردن دقت تشخیص از یك الگوریتم آشكارسازی چهره با استفاده از ویژگیهای هار و طبقهبندی كننده adaboost استفاده شده كه با استفاده از طبقهبندی كننده SVM توانایی این روش برای تشخیص تصاویر غیر اخلاقی ۹۴ درصد و برای تصاویر اخلاقی ۹۰ درصد است.
به گفته محققان، نتایج نشان داده كه میتوان با استفاده از استخراج ویژگیهای مناسب و انتخاب صحیح ویژگی از تصاویر با دقت خوبی، تصاویر غیر اخلاقی را از تصاویر اخلاقی جداسازی كرد.