[論文レビュー] A Novel Scheme for Intelligent Recognition of Pornographic Images

Seyed Mostafa Kia, Hossein Rahmani+3 more|Lancaster EPrints (Lancaster University)|Feb 24, 2014

Advanced Steganography and Watermarking Techniques参考文献 18被引用数 9

ひとこと要約

本稿では、従来の特徴量と組み合わせた2つの新しい特徴量を用い、ファジィ積分による統合によって分類性能を向上させる、ポルノ画像の知能的認識のための新規スキームを提案する。本手法は、18,354枚の画像から成るテストデータセットにおいて、87%の精度と5.5%の偽陽性率を達成し、コンテンツフィルタリングシステムにおける精度と信頼性の面で、先行研究を上回っている。

ABSTRACT

Harmful contents are rising in internet day by day and this motivates the essence of more research in fast and reliable obscene and immoral material filtering. Pornographic image recognition is an important component in each filtering system. In this paper, a new approach for detecting pornographic images is introduced. In this approach, two new features are suggested. These two features in combination with other simple traditional features provide decent difference between porn and non-porn images. In addition, we applied fuzzy integral based information fusion to combine MLP (Multi-Layer Perceptron) and NF (Neuro-Fuzzy) outputs. To test the proposed method, performance of system was evaluated over 18354 download images from internet. The attained precision was 93% in TP and 8% in FP on training dataset, and 87% and 5.5% on test dataset. Achieved results verify the performance of proposed system versus other related works.

研究の動機と目的

• 有害なインターネットコンテンツ、特に明示的な画像の増加に伴う課題に対処し、検出精度を向上させること。
• 自動化されたポルノ画像フィルタリングシステムにおける偽陽性と偽陰性を低減すること。
• 新規特徴量と高度な統合技術を組み合わせた、堅牢で知能的な認識フレームワークの構築。
• インターネットからダウンロードされた画像から成る大規模で現実世界のデータセット上で、システムの性能を評価すること。
• 実用的導入に際して、既存手法に比して優れた精度と信頼性を示すことを実証すること。

提案手法

• ポルノ画像と非ポルノ画像を効果的に区別できるように設計された2つの新規画像特徴量を提案する。
• 新規特徴量を、テクスチャや色の統計量といった従来の低レベル視覚的特徴量と組み合わせる。
• マルチレイヤーパーセプトロン（MLP）とニューロファジィ（NF）分類器を用いて個別の予測を生成する。
• ファジィ積分に基づく情報統合を用いて、MLPおよびNF分類器の出力を最適に統合する。
• 18,354枚の現実世界のインターネット画像から成るデータセットに対して、トレーニングおよびテストのパイプラインを適用する。
• 分類器出力の重要度と相互作用を反映するために、ファジィ測度を用いて統合プロセスを最適化する。

実験結果

リサーチクエスチョン

• RQ1 従来の特徴量のみに比べ、新規特徴量を組み合わせることで、ポルノ画像と非ポルノ画像の区別が向上するか？
• RQ2 ファジィ積分に基づく統合は、複数の分類器（MLPおよびNF）の出力を統合する際、ポルノ画像認識においてどの程度効果的か？
• RQ3 本手法の性能は、現実世界の画像データにおいて、精度と偽陽性率の観点からどの程度か？
• RQ4 新規特徴量と高度な統合技術の統合は、既存の最先端手法に比べてより優れた結果をもたらすか？
• RQ5 実用的導入の場面において、高い正確性を維持しながら偽陽性を最小限に抑えることができるか？

主な発見

• 提案手法は、トレーニングデータセットにおいて93%の真正陽性率と8%の偽陽性率を達成した。
• 独立したテストデータセットでは、87%の真正陽性率と5.5%の偽陽性率を達成した。
• 新規特徴量と従来の特徴量の組み合わせが、分類性能の顕著な向上をもたらした。
• ファジィ積分に基づく統合は、MLPおよびNF分類器の相補的な強みを活かすことで、最終意思決定の信頼性を効果的に向上させた。
• 結果から、本手法が精度と偽陽性制御の観点で、既存手法を上回ることを示している。
• 本システムは、現実世界のインターネット由来画像においても強い一般化能力を示しており、実用的導入の可能性を示している。