論文の概要: A Novel Nudity Detection Algorithm for Web and Mobile Application Development

• arxiv url: http://arxiv.org/abs/2006.01780v2
• Date: Sun, 28 Jun 2020 15:29:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 01:06:46.854264
• Title: A Novel Nudity Detection Algorithm for Web and Mobile Application Development
• Title（参考訳）: webおよびモバイルアプリケーション開発のための新しいヌード検出アルゴリズム
• Authors: Rahat Yeasin Emon
• Abstract要約: 本稿では,Webおよびモバイルアプリケーション開発のための実行時ヌード検出手法を提案する。 画像のヌード内容を検出するために2つのパラメータを用いる。 提案アルゴリズムは95%の精度で画像のヌードを検出できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In our current web and mobile application development runtime nude image content detection is very important. This paper presents a runtime nudity detection method for web and mobile application development. We use two parameters to detect the nude content of an image. One is the number of skin pixels another is face region. A skin color model based on RGB, HSV color spaces are used to detect skin pixels in an image. Google vision api is used to detect the face region. By the percentage of skin regions and face regions an image is identified nude or not. The success of this algorithm exists in detecting skin regions and face regions. The skin detection algorithm can detect skin 95% accurately with a low false-positive rate and the google vision api for web and mobile applications can detect face 99% accurately with less than 1 second time. From the experimental analysis, we have seen that the proposed algorithm can detect 95% percent accurately the nudity of an image.
• Abstract（参考訳）: 現在のwebおよびモバイルアプリケーション開発では、ヌード画像の検出が非常に重要です。 本稿では,webおよびモバイルアプリケーション開発のためのランタイムヌード検出手法を提案する。 画像のヌード内容を検出するために2つのパラメータを用いる。 1つは皮膚の画素数で、もう1つは顔領域です。 RGBに基づく皮膚色モデル、HSV色空間を用いて画像中の皮膚画素を検出する。 google vision apiは、顔領域を検出するために使用される。 皮膚領域と顔領域の比率によって、画像がヌードか否かが識別される。 このアルゴリズムの成功は皮膚領域や顔領域の検出に有効である。 皮膚検出アルゴリズムは、低い偽陽性率で正確に皮膚を95%検出でき、webおよびモバイルアプリケーション用のgoogle vision apiは、1秒未満で、顔を正確に99%検出することができる。 実験結果から,提案アルゴリズムは画像のヌード度を95%精度で検出できることがわかった。

関連論文リスト

• LightFFDNets: Lightweight Convolutional Neural Networks for Rapid Facial Forgery Detection [0.0]
  本研究では,Fake-Vs-Real-Faces [10]と140k Real and Fake Faces [61]データセットを用いた画像処理による偽造検出に焦点を当てた。 これらの画像を用いて偽造検出を行うために,2つの軽量ディープラーニングモデルを提案する。 提案した軽量ディープラーニングモデルは,顔画像の偽造を正確に,かつ効率的に検出できることが示されている。
  論文  参考訳（メタデータ） (2024-11-18T18:44:10Z)
• Are Face Detection Models Biased? [69.68854430664399]
  顔領域の局所化による顔検出領域のバイアスについて検討した。 既存の顔検出データセットの多くは、このような分析に適したアノテーションを欠いている。 性別や肌の音色による検出精度の相違を観察し, 画像診断以外の要因の相互関係を考察した。
  論文  参考訳（メタデータ） (2022-11-07T14:27:55Z)
• LAD-RCNN:A Powerful Tool for Livestock Face Detection and Normalization [6.922360668704275]
  本研究は、軽量角度検出と地域型畳み込みネットワーク(LAD-RCNN)を開発する。 LAD-RCNNは、1段目の動物の顔の回転角と位置を検出する新しい回転角符号化法を含む。 その結果,LAD-RCNNは家畜の顔と方向検出に優れていた。
  論文  参考訳（メタデータ） (2022-10-31T08:54:21Z)
• Automatic Facial Skin Feature Detection for Everyone [60.31670960526022]
  本研究では,野生の自撮り自撮りのために,さまざまな肌のトーンと年齢群にまたがって機能する顔顔の特徴自動検出法を提案する。 具体的には,肌の色,重度度,照明条件の異なる自撮り画像に対して,アクネ,顔料,ニキビの位置を注釈する。
  論文  参考訳（メタデータ） (2022-03-30T04:52:54Z)
• Real-Time Facial Expression Recognition using Facial Landmarks and Neural Networks [0.0]
  本稿では,特徴抽出,7つの感情の分類,表情認識をリアルタイムに行うアルゴリズムを提案する。 前処理アルゴリズムに基づいてマルチ層パーセプトロンニューラルネットワークをトレーニングする。 3層はこれらの特徴ベクトルを使って訓練され、テストセットでは96%の精度が得られた。
  論文  参考訳（メタデータ） (2022-01-31T21:38:30Z)
• On the Effect of Selfie Beautification Filters on Face Detection and Recognition [53.561797148529664]
  ソーシャルメディア画像フィルターは、例えば人工眼鏡や動物の鼻で、画像コントラスト、照明、あるいは顔の一部を妨げる。 U-NETセグメンテーションネットワークの修正版を用いて適用操作を再構築する手法を開発した。 認識の観点からは、顔を認識するために訓練されたResNet-34ネットワークを用いて抽出された特徴に対して、距離測定と訓練された機械学習アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2021-10-17T22:10:56Z)
• Creating A New Color Space utilizing PSO and FCM to Perform Skin Detection by using Neural Network and ANFIS [0.3867363075280544]
  FCMとPSOアルゴリズムを用いて新しい色空間を作成する。 線形モードと非線形モードを利用した新しい色空間で皮膚分類が行われた。 比較すると、この方法は同一データベース上の最も正確な方法よりも18.38%高い精度を持つ。
  論文  参考訳（メタデータ） (2021-06-22T06:41:33Z)
• A Study of Face Obfuscation in ImageNet [94.2949777826947]
  本稿では,imagenetチャレンジにおける画像難読化について検討する。 ImageNetチャレンジのほとんどのカテゴリは、人のカテゴリではありません。 さまざまな深層ニューラルネットワークを顔画像上でベンチマークし、異なるカテゴリに対する異なる影響を観察します。 結果は、顔が破れた画像で学んだ特徴が等しく転送可能であることを示している。
  論文  参考訳（メタデータ） (2021-03-10T17:11:34Z)
• Neural Re-Rendering of Humans from a Single Image [80.53438609047896]
  本稿では,新しいユーザ定義のポーズと視点の下での人間のニューラルリレンダリング手法を提案する。 私たちのアルゴリズムは、単一の画像から再構築できるパラメトリックメッシュとして体ポーズと形状を表します。
  論文  参考訳（メタデータ） (2021-01-11T18:53:47Z)
• DeepFake Detection Based on the Discrepancy Between the Face and its Context [94.47879216590813]
  単一画像における顔のスワップやその他のアイデンティティ操作を検出する手法を提案する。 提案手法は, (i) 厳密なセマンティックセグメンテーションによって境界付けられた顔領域を考慮した顔識別ネットワークと, (ii) 顔コンテキストを考慮したコンテキスト認識ネットワークの2つのネットワークを含む。 本稿では,2つのネットワークからの認識信号を用いて,そのような不一致を検出する手法について述べる。 提案手法は,FaceForensics++,Celeb-DF-v2,DFDCベンチマークを用いて顔検出を行い,未知の手法で生成した偽物の検出を一般化する。
  論文  参考訳（メタデータ） (2020-08-27T17:04:46Z)

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。