論文の概要: Evaluating Performance of an Adult Pornography Classifier for Child
Sexual Abuse Detection
- arxiv url: http://arxiv.org/abs/2005.08766v1
- Date: Mon, 18 May 2020 14:32:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-01 23:59:06.901021
- Title: Evaluating Performance of an Adult Pornography Classifier for Child
Sexual Abuse Detection
- Title（参考訳）: 児童性的虐待検出のための成人ポルノ分類器の性能評価
- Authors: Mhd Wesam Al-Nabki, Eduardo Fidalgo, Roberto A. Vasco-Carofilis,
Francisco Ja\~nez-Martino, Javier Velasco-Mata
- Abstract要約: 正確さと時間パフォーマンスは、児童性的虐待の検出を指向した法医学ツールによって望まれる特徴である。
本稿では,法医学ツールの性能に影響を及ぼす可能性のあるハードウェア要件とソフトウェア要件について述べる。
- 参考スコア（独自算出の注目度）: 2.3886615435250302
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The information technology revolution has facilitated reaching pornographic
material for everyone, including minors who are the most vulnerable in case
they were abused. Accuracy and time performance are features desired by
forensic tools oriented to child sexual abuse detection, whose main components
may rely on image or video classifiers. In this paper, we identify which are
the hardware and software requirements that may affect the performance of a
forensic tool. We evaluated the adult porn classifier proposed by Yahoo, based
on Deep Learning, into two different OS and four Hardware configurations, with
two and four different CPU and GPU, respectively. The classification speed on
Ubuntu Operating System is $~5$ and $~2$ times faster than on Windows 10, when
a CPU and GPU are used, respectively. We demonstrate the superiority of a
GPU-based machine rather than a CPU-based one, being $7$ to $8$ times faster.
Finally, we prove that the upward and downward interpolation process conducted
while resizing the input images do not influence the performance of the
selected prediction model.
- Abstract（参考訳）: 情報技術革命は、悪用された場合に最も脆弱な未成年者を含め、すべての人にポルノ素材への到達を促進した。
精度と時間パフォーマンスは、主に画像やビデオの分類に依存する可能性がある児童性的虐待の検出を指向した鑑識ツールが求める特徴である。
本稿では,法医学ツールの性能に影響を及ぼす可能性のあるハードウェア要件とソフトウェア要件について述べる。
我々は,Yahooが提案した成人ポルノ分類器を,Deep Learningに基づく2つのOSと4つのハードウェア構成,それぞれ2つのCPUと4つのGPUに分けて評価した。
Ubuntu Operating Systemの分類速度は、CPUとGPUがそれぞれ使用される場合、Windows 10よりも$~5$と$~2$の速さである。
私たちは、cpuベースのマシンよりもgpuベースのマシンの方が優れていることを実証します。
最後に,入力画像の再サイズによる上下補間処理は,選択された予測モデルの性能に影響を与えないことを示す。
関連論文リスト
- Real-time pedestrian recognition on low computational resources [0.0]
本稿では,小型の物理CPUシステムで動作する3つの手法について述べる。
その結果,3つの手法は,95%以上の精度でリアルタイム歩行者認識を実現することができた。
我々の手法は、互換性と汎用性の高い小型モバイルデバイスに容易に適用できる。
論文 参考訳（メタデータ） (2023-09-04T04:34:58Z) - WindowNet: Learnable Windows for Chest X-ray Classification [58.720142291102135]
ウィンドウ化操作は画像のコントラストを高めるが、そのような操作がCXR分類性能に与える影響は明らかでない。
ウィンドウ化はCXR分類性能を向上させることを示し、最適なウィンドウ設定を学習するモデルであるWindowNetを提案する。
論文 参考訳（メタデータ） (2023-06-09T17:02:26Z) - Autism Disease Detection Using Transfer Learning Techniques: Performance
Comparison Between Central Processing Unit vs Graphics Processing Unit
Functions for Neural Networks [2.750124853532831]
自閉症児と非自閉症児の顔画像を用いた自閉症疾患の分類システムを構築し,パフォーマンスの比較を行った。
また,全試験でGPUがCPUより優れていた。
論文 参考訳（メタデータ） (2023-06-01T01:59:17Z) - Benchmarking Edge Computing Devices for Grape Bunches and Trunks
Detection using Accelerated Object Detection Single Shot MultiBox Deep
Learning Models [2.1922186455344796]
この研究は、オブジェクト検出のための異なるプラットフォームのパフォーマンスをリアルタイムでベンチマークする。
著者らは、自然なVineデータセットを使用して、RetinaNet ResNet-50を微調整した。
論文 参考訳（メタデータ） (2022-11-21T17:02:33Z) - EVEREST: Efficient Masked Video Autoencoder by Removing Redundant Spatiotemporal Tokens [57.354304637367555]
ビデオ表現学習のための驚くほど効率的なMVAアプローチであるEVERESTを提案する。
リッチなモーション特徴を含むトークンを発見し、事前トレーニングと微調整の両方の間、非形式的なトークンを破棄する。
提案手法は,MVAの計算とメモリ要求を大幅に低減する。
論文 参考訳（メタデータ） (2022-11-19T09:57:01Z) - Deep Unsupervised Key Frame Extraction for Efficient Video
Classification [63.25852915237032]
本研究は、畳み込みニューラルネットワーク(CNN)と時間セグメント密度ピーククラスタリング(TSDPC)を組み合わせたキーフレームの検索方法を提案する。
提案した TSDPC は汎用的で強力なフレームワークであり,従来の研究に比べて2つの利点がある。
さらに、CNNの上部にLong Short-Term Memory Network (LSTM)を追加し、分類性能をさらに高める。
論文 参考訳（メタデータ） (2022-11-12T20:45:35Z) - BinImg2Vec: Augmenting Malware Binary Image Classification with Data2Vec [0.0]
マルウェア・アズ・ア・サービス(Malware-as-a-service)は現在、サイバー犯罪者のブームとなっている。
マルウェア活動の急増に伴い、サイバーディフェンダーは、手元にあるマルウェアのサンプルについてより深く理解することが不可欠である。
本稿では,自己教師付き学習と教師付き学習の両方を取り入れた,マルウェアバイナリイメージ分類器のトレーニングフレームワークであるBinImg2Vecを紹介する。
論文 参考訳（メタデータ） (2022-09-02T01:55:26Z) - NSNet: Non-saliency Suppression Sampler for Efficient Video Recognition [89.84188594758588]
非定常フレームの応答を抑制するために, NSNet(Non-Sliency Suppression Network)を提案する。
NSNetは最先端の精度効率トレードオフを実現し、最先端の手法よりもはるかに高速な2.44.3xの実用的な推論速度を示す。
論文 参考訳（メタデータ） (2022-07-21T09:41:22Z) - Unsupervised Visual Representation Learning by Tracking Patches in Video [88.56860674483752]
本研究では,コンピュータビジョンシステムのプロキシタスクとしてトラッキングを用いて視覚表現を学習することを提案する。
子どもたちがプレイするキャッチゲームをベースに、視覚表現を学ぶ3D-CNNモデルのためのキャッチ・ザ・パッチ(CtP)ゲームを設計します。
論文 参考訳（メタデータ） (2021-05-06T09:46:42Z) - Accelerating Deep Learning Applications in Space [0.0]
拘束デバイス上でのCNNを用いた物体検出の性能について検討する。
我々は、Single Shot MultiBox Detector (SSD)とリージョンベースのFully Convolutional Network (R-FCN)について詳しく検討する。
性能は、推測時間、メモリ消費、精度で測定される。
論文 参考訳（メタデータ） (2020-07-21T21:06:30Z) - Faster than FAST: GPU-Accelerated Frontend for High-Speed VIO [46.20949184826173]
この研究は、既存のコンピュータビジョンアルゴリズムを改善するために、効率的な低レベルGPUハードウェア固有の命令の適用性に焦点を当てている。
特に、非マックス抑圧とその後の特徴選択は、全体的な画像処理遅延への顕著な寄与である。
論文 参考訳（メタデータ） (2020-03-30T14:16:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。