خواندنی ها و دیدنی ها
در همين زمينه
23 تیر» فيلترينگ هوشمند آري يا خير؟ ایسنا16 اردیبهشت» بودجه 20میلیاردی برای فیلترینگ سایتهای اینترنتی، آینده 4 اردیبهشت» معاون پليس فتا درگفتوگوبا ايسنا: كار پليس فيلتر كردن نيست 20 آبان» وضعیت سیستم فیلترینگ یکپارچه - آنتی ویروس قویتر از مک آفی تولید کردیم، مهر 3 فروردین» چاله اینترنتی: فیلترینگ ایرانی در سالی که گذشت، ایلنا
بخوانید!
6 آذر » رویاها به حذف درد خاطرات تلخ کمک می کنند، مهر
6 آذر » روش جديد تشخيص تصاوير غير اخلاقي در فضاي مجازي، ایسنا 6 آذر » مصرف نابجاي آنتي بيوتيکها باعث توليد سم توکسين در بدن ميشود، ایسنا 5 آذر » تهدید کودک توسط والدین باعث افزایش هورمونهای دفاعی خون میشود، فارس 5 آذر » تركيب جديد كشنده ويروس اچآيوي كشف شد، ایسنا
پرخواننده ترین ها
» دلیل کینه جویی های رهبری نسبت به خاتمی چیست؟
» 'دارندگان گرین کارت هم مشمول ممنوعیت سفر به آمریکا میشوند' » فرهادی بزودی تصمیماش را برای حضور در مراسم اسکار اعلام میکند » گیتار و آواز گلشیفته فراهانی همراه با رقص بهروز وثوقی » چگونگی انفجار ساختمان پلاسکو را بهتر بشناسیم » گزارشهایی از "دیپورت" مسافران ایرانی در فرودگاههای آمریکا پس از دستور ترامپ » مشاور رفسنجانی: عکس هاشمی را دستکاری کردهاند » تصویری: مانکن های پلاسکو! » تصویری: سرمای 35 درجه زیر صفر در مسکو! روش جديد تشخيص تصاوير غير اخلاقي در فضاي مجازي، ایسنامحققان پژوهشكده پردازش هوشمند علائم، موفق به ارائه روشي جديد براي تشخيص تصاوير غير اخلاقي از تصاوير اخلاقي با استفاده از ويژگيهاي شكلي و بافتي شدند. به گزارش سرويس پژوهشي 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. Copyright: gooya.com 2016
|