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 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، 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.
