sorna
11-27-2011, 12:39 PM
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.
http://www.pic.p30ask.com/images/62663091976733773818.jpg (http://www.pic.p30ask.com/)
به گزارش پایگاه خبری فناوری اطلاعات برسام و به نقل از انتخاب، 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.
http://www.pic.p30ask.com/images/62663091976733773818.jpg (http://www.pic.p30ask.com/)
به گزارش پایگاه خبری فناوری اطلاعات برسام و به نقل از انتخاب، 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.