基于卷积神经网络的色情图像检测

针对通常使用的色情图像检测方法中难以获取准确的色情图像特征的问题,提出一种以数据为导向基于深度卷积神经网络来获取图像特征的色情图像检测方法。对含色情内容和不含色情内容的图片数据集进行数据增强处理,接着使用Inception模块设计及建立卷积神经网络模型;使用批量随机梯度下降算法训练卷积神经网络获取色情图像特征;使用训练好的模型识别一张图像是否是色情图像。测试集检测正确率达到了99.06%,对比实验表明所设计的网络模型因其参数更少比其他模型更不易过拟合并比其他方法实现了更高的准确率。

基于图像内容及底层特征的敏感图像检测方法

内容安全是信息安全领域中的一个新兴且重要的研究方向。敏感图像分析与监控是该方向的一个重要研究分支,近年来愈来愈受到关注。然而,由于其研究起步较晚且图像本身所具有的复杂多样性,相对来说,目前已有的研究成果还比较少且性能上也有待于进一步提升,为此,本文提出了一种新的敏感图像分析检测方法。该方法从基于图像内容分析和基于图像底层特征分析两个方面进行综合分析检测,在基于内容分析方面,通过分析图像是否含有大量的皮肤区域来初步检测敏感图像;在基于图像底层特征分析方面,通过颜色直方图矢量和颜色聚合矢量提取图像的颜色及空间信息,并在此基础上利用SVM进行分类,从而实现敏感图像的初步检测;最后,对上述两方面的初步检测结果进行综合判决,实现敏感图像的最终检测。仿真实验结果出示了该新方法的有效性。