تشخیص و فیلترینگ هوشمند تصاویر نامتعارف به‌کمک شبکه‌های عصبی عمیق

با پیشرفت روزافزون اینترنت و رسانه های تحت وب، توزیع و اشتراک منابع اطلاعاتی نظیر تصویر در حال افزایش است. اشتراک این منابع علاوه بر مزایای بسیار، خطرات و مشکلاتی نظیر دسترسی به تصاویر نامتعارف دارد که به نوبه خود تهدیدی برای فرهنگ جوامع مختلف، به خصوص نوجوانان و جوانان است. امروزه بسیاری از افراد، عضو سایت های اجتماعی از جمله اینستاگرام و فیسبوک هستند. به دلیل عدم وجود فیلترینگ هوشمند مناسب، حتی وجود درصدی اندک از تصاویر نامتعارف، فیلتر شدن کلیِ سایت های اجتماعی را به همراه دارد که برای کاربران، احساس نارضایتی را به ارمغان می آورد. به همین منظور، در این مقاله به تحلیل و بررسی روشی برای دسته بندی تصاویر نامتعارف و فیلترینگ هوشمند آن ها پرداخته شده است. یکی از مشکلات این نوع از سامانه ها، حجم بالای داده های موجود در شبکه های تحت وب و استخراج ویژگی های معنادار در این حجم از داده ها است. در این راستا، در این مقاله روشی جدید، بر پایه شبکه های عصبی عمیق به منظور تشخیص هوشمند تصاویر نامتعارف ارائه شده است. این نوع از شبکه ها ، مفاهیم سطح بالا را از روی ویژگی های سطح پایین استخراج می کنند و با این استخراج مفاهیم، به دقت مناسبی در دسته بندی اطلاعات دست می یابند. در این پژوهش، معماری جدیدی برای شناسایی تصاویر نامتعارف پیشنهاد شده است. نتایج به دست آمده بر روی مجموعه داده به نسبت بزرگ آزمایش شده است. این آزمایش ها نشان می دهد که روش پیشنهادی دو درصد دقت بیشتری نسبت به روش های جدید مطرح شده در شناسایی تصاویر نامتعارف دارد.