روشي نوين براي كاهش تغيير روشنايي در تصاوير غيراخلاقي بر پايه شبكه عصبي عميق فازي

در فضاي اينترنت شناسايي عكس هاي غيراخلاقي امري ضروري در جهت حفاظت فيزيكي و ذهني كودكان محسوب ميشود؛ يكي از چالشهاي اصلي در تشخيص تصاوير غير اخلاقي تغييرات روشنايي و رنگ پوست بدن است. به همين منظور در اين مقاله روشي براي حل تغييرات روشنايي و بهبود تشخيص تصاوير غيراخلاقي ارايه شده است. در اين مقاله از شبكه عصبي عميق فازي براي بهبود روشنايي تصاوير غيراخلاقي استفاده شده است. در روش پيشنهادي از مدل يادگيري عميق xception جهت تقسيم تصوير براساس شدت روشنايي به بخش هاي مختلف بهره گرفته شده است. تقسيم كردن تصوير به قسمت هاي مختلف باعث بهبود تغييرات روشنايي با حفظ جزئيات تصوير و نهايتا شناسايي بهتر تصاوير غيراخلاقي شدهاست. به علاوه براي طبقه بندي رنگ پوست از تركيب الگوريتم مبتني بر Gaussian-KNN بهره گرفته شده است كه روشي غيرپارامتري براي طبقه بندي ها و رگرسيون ها است؛ و در انتها از الگوريتم ماشين بردار پشتيبان براي طبقه بندي تصاوير استفاده شده است. به منظور پيادهسازي و ارزيابي روش پيشنهادي يك 33 درصد تصاوير / مجموعه شامل 33000 تصوير گردآوري شد، نتايج بدست آمده نشان مي دهد كه طرح پيشنهادي با دقت 7 غيراخلاقي را تشخيص ميدهد .