[논문 리뷰] A Novel Scheme for Intelligent Recognition of Pornographic Images

Seyed Mostafa Kia, Hossein Rahmani외 3명|Lancaster EPrints (Lancaster University)|2014. 02. 24.

Advanced Steganography and Watermarking Techniques참고 문헌 18인용 수 9

한 줄 요약

이 논문은 기존 특징과 결합된 두 가지 새로운 특징을 사용하여 퍼지 적분을 통해 융합하는 새로운 방법을 제안하여 성인 이미지 지능형 인식을 향상시킨다. 이 방법은 18,354장의 이미지로 구성된 테스트 세트에서 87%의 정밀도와 5.5%의 거짓 양성률을 기록하여 기존 방법보다 정확도와 신뢰성 면에서 콘텐츠 필터링 시스템에서 뛰어난 성능을 보였다.

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.

연구 동기 및 목표

• 유해한 인터넷 콘텐츠, 특히 명시적인 이미지의 증가하는 도전에 대응하여 탐지 정확도를 향상시키기 위해.
• 자동화된 성인 이미지 필터링 시스템에서 거짓 양성과 거짓 음성의 수를 줄이기 위해.
• 새로운 특징과 고도의 융합 기법을 결합한 강력하고 지능적인 인식 프레임워크를 개발하기 위해.
• 실제 인터넷에서 다운로드한 이미지로 구성된 대규모 실세계 데이터셋에서 시스템 성능을 평가하기 위해.
• 실제 구현에 있어 정밀도와 신뢰성 면에서 기존 방법보다 뛰어난 성능을 입증하기 위해.

제안 방법

• 성인 이미지와 비성인 이미지를 효과적으로 구분할 수 있도록 설계된 두 가지 새로운 이미지 특징을 제안한다.
• 새로운 특징을 기존의 저수준 시각적 특징(예: 질감 및 색상 통계)과 융합한다.
• 개별 예측을 생성하기 위해 다층 퍼셉트론(MLP)과 뉴로-퍼지(NF) 분류기를 사용한다.
• 퍼지 적분 기반 정보 융합을 통해 MLP 및 NF 분류기의 출력을 최적으로 통합한다.
• 실제 인터넷 이미지 18,354장으로 구성된 데이터셋을 대상으로 학습 및 테스트 파이프라인을 적용한다.
• 분류기 출력의 중요도와 상호작용을 반영하기 위해 퍼지 측도를 사용하여 융합 과정을 최적화한다.

실험 결과

연구 질문

• RQ1 기존 특징만을 사용하는 것과 비교해 볼 때, 새로운 이미지 특징이 성인 이미지와 비성인 이미지 간의 구분에 얼마나 효과적인가?
• RQ2 다중 분류기(MPL 및 NF)의 출력을 융합하는 데 있어 퍼지 적분 기반 융합 기법은 성인 이미지 인식에 얼마나 효과적인가?
• RQ3 실세계 이미지 데이터에서 제안된 시스템의 정밀도와 거짓 양성률 측면에서 성능은 어떠한가?
• RQ4 새로운 특징과 고도의 융합 기법 통합이 기존 최첨단 방법보다 더 나은 결과를 도출하는가?
• RQ5 실제 구현 환경에서 높은 정확도를 유지하면서도 거짓 양성을 최소화할 수 있는가?

주요 결과

• 제안된 시스템은 학습 데이터셋에서 93%의 참 양성률과 8%의 거짓 양성률을 기록했다.
• 독립된 테스트 데이터셋에서 시스템은 87%의 참 양성률과 5.5%의 거짓 양성률을 달성했다.
• 새로운 특징과 기존 특징의 조합이 분류 성능을 크게 향상시켰다.
• 퍼지 적분 기반 융합은 MLP 및 NF 분류기의 상호보완적 강점을 활용하여 최종 결정의 신뢰성을 효과적으로 향상시켰다.
• 결과는 제안된 방법이 정밀도와 거짓 양성 제어 측면에서 기존 방법보다 뛰어나다는 것을 입증한다.
• 실제 인터넷에서 확보한 이미지에 대해 강력한 일반화 능력을 보이며 실용적 구현 가능성을 시사한다.