論文の概要: Detecting sexually explicit content in the context of the child sexual abuse materials (CSAM): end-to-end classifiers and region-based networks

• arxiv url: http://arxiv.org/abs/2406.14131v1
• Date: Thu, 20 Jun 2024 09:21:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-21 14:31:01.281502
• Title: Detecting sexually explicit content in the context of the child sexual abuse materials (CSAM): end-to-end classifiers and region-based networks
• Title（参考訳）: 児童性虐待材料(CSAM)の文脈における性的に明示的な内容の検出--エンド・ツー・エンド分類器と地域ネットワーク
• Authors: Weronika Gutfeter, Joanna Gajewska, Andrzej Pacut,
• Abstract要約: 子どもの性的虐待物質(CSAM)は、世界中の子供の安全と幸福を脅かす。 本研究は、CSAM自動検出システムにおいて重要な役割を担う性的な内容の分類方法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Child sexual abuse materials (CSAM) pose a significant threat to the safety and well-being of children worldwide. Detecting and preventing the distribution of such materials is a critical task for law enforcement agencies and technology companies. As content moderation is often manual, developing an automated detection system can help reduce human reviewers' exposure to potentially harmful images and accelerate the process of counteracting. This study presents methods for classifying sexually explicit content, which plays a crucial role in the automated CSAM detection system. Several approaches are explored to solve the task: an end-to-end classifier, a classifier with person detection and a private body parts detector. All proposed methods are tested on the images obtained from the online tool for reporting illicit content. Due to legal constraints, access to the data is limited, and all algorithms are executed remotely on the isolated server. The end-to-end classifier yields the most promising results, with an accuracy of 90.17%, after augmenting the training set with the additional neutral samples and adult pornography. While detection-based methods may not achieve higher accuracy rates and cannot serve as a final classifier on their own, their inclusion in the system can be beneficial. Human body-oriented approaches generate results that are easier to interpret, and obtaining more interpretable results is essential when analyzing models that are trained without direct access to data.
• Abstract（参考訳）: 子どもの性的虐待物質(CSAM)は、世界中の子供の安全と幸福を脅かす。 法執行機関や技術系企業にとって,そのような素材の流通・流通防止は重要な課題である。 コンテンツモデレーションは手動で行うことが多いため、自動検出システムの開発は、人間レビュアーが潜在的に有害な画像に晒されることを減らし、反作用のプロセスを加速させるのに役立つ。 本研究は、CSAM自動検出システムにおいて重要な役割を担う性的な内容の分類方法を提案する。 エンド・ツー・エンドの分類器、人検出を伴う分類器、プライベート・ボディ・パーツ・ディテクターなどである。 提案手法はすべて,不正コンテンツを報告するオンラインツールから得られた画像に基づいて検証される。 法的制約のため、データへのアクセスは制限され、すべてのアルゴリズムは分離されたサーバ上でリモートで実行される。 エンドツーエンド分類器は、追加の中立サンプルと成人ポルノグラフィーでトレーニングセットを増強した後、90.17%の精度で最も有望な結果を得る。 検出に基づく手法は高い精度を達成することができず、それ自身で最終分類器として機能することができないが、システムへの組み込みは有益である。 人体指向のアプローチは、解釈が容易な結果を生成し、データに直接アクセスすることなくトレーニングされたモデルを分析する際には、より解釈可能な結果を得ることが不可欠である。

関連論文リスト

• False Sense of Security: Leveraging XAI to Analyze the Reasoning and True Performance of Context-less DGA Classifiers [1.930852251165745]
  ディープラーニング分類器が99.9%以上の精度を達成したことを考えると、ドメイン生成アルゴリズム(DGA)の検出は解決されているようである。 これらの分類器は、非常に偏りがあり、自明な検出バイパスを可能にするため、誤ったセキュリティ感覚を提供する。 本研究では,説明可能な人工知能(XAI)手法を用いて,ディープラーニング分類器の推論を解析する。
  論文  参考訳（メタデータ） (2023-07-10T06:05:23Z)
• Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
  ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。 自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。 本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
  論文  参考訳（メタデータ） (2023-07-05T20:16:20Z)
• ACTIVE: A Deep Model for Sperm and Impurity Detection in Microscopic Videos [17.3840418564686]
  二重分岐特徴抽出ネットワーク(DBFEN)とクロス共役特徴ピラミッドネットワーク(CCFPN)に基づくディープラーニングモデルを提案する。 実験の結果、精子と不純物検出の最も高いAP50は91.13%と59.64%であり、競争相手をかなりの差でリードさせ、この問題に新たな最先端の結果を確立した。
  論文  参考訳（メタデータ） (2023-01-15T02:24:17Z)
• Seeing without Looking: Analysis Pipeline for Child Sexual Abuse Datasets [9.016916087221801]
  本稿では,データセットとラベルの統計を超越した分析テンプレートを提案する。 トレーニング済みの機械学習モデルの両方で提供される自動信号の抽出に重点を置いている。 我々の目標は、CSAMデータセットの特徴を安全に公開し、研究者がこの分野に参加することを奨励することである。
  論文  参考訳（メタデータ） (2022-04-29T14:02:42Z)
• Self-supervised Transformer for Deepfake Detection [112.81127845409002]
  現実世界のシナリオにおけるディープフェイク技術は、顔偽造検知器のより強力な一般化能力を必要とする。 転送学習に触発されて、他の大規模な顔関連タスクで事前訓練されたニューラルネットワークは、ディープフェイク検出に有用な機能を提供する可能性がある。 本稿では,自己教師型変換器を用いた音声視覚コントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2022-03-02T17:44:40Z)
• Trash to Treasure: Harvesting OOD Data with Cross-Modal Matching for Open-Set Semi-Supervised Learning [101.28281124670647]
  オープンセット半教師付き学習(Open-set SSL)では、ラベルなしデータにOOD(Out-of-distribution)サンプルを含む、難しいが実用的なシナリオを調査する。 我々は、OODデータの存在を効果的に活用し、特徴学習を増強する新しいトレーニングメカニズムを提案する。 我々のアプローチは、オープンセットSSLのパフォーマンスを大幅に向上させ、最先端技術よりも大きなマージンで性能を向上します。
  論文  参考訳（メタデータ） (2021-08-12T09:14:44Z)
• Detection of Adversarial Supports in Few-shot Classifiers Using Feature Preserving Autoencoders and Self-Similarity [89.26308254637702]
  敵対的なサポートセットを強調するための検出戦略を提案する。 我々は,特徴保存型オートエンコーダフィルタリングと,この検出を行うサポートセットの自己相似性の概念を利用する。 提案手法は攻撃非依存であり, 最善の知識まで, 数発分類器の検出を探索する最初の方法である。
  論文  参考訳（メタデータ） (2020-12-09T14:13:41Z)
• A Deep Learning Approach to Tongue Detection for Pediatric Population [1.5484595752241122]
  重度の障害と複雑なコミュニケーションを持つ子どもたちは、アクセス技術(AT)デバイスの使用に制限に直面している。 これまでの研究では、成人被験者に対する舌検出アルゴリズムの頑健さが示されている。 本研究では,言語外ジェスチャ認識のためのネットワークアーキテクチャを実装し,自然条件下で録画されたビデオに対して評価を行った。
  論文  参考訳（メタデータ） (2020-09-04T21:04:57Z)
• Detection as Regression: Certified Object Detection by Median Smoothing [50.89591634725045]
  この研究は、ランダム化平滑化による認定分類の最近の進歩によって動機付けられている。 我々は、$ell$-bounded攻撃に対するオブジェクト検出のための、最初のモデル非依存、トレーニング不要、認定された防御条件を得る。
  論文  参考訳（メタデータ） (2020-07-07T18:40:19Z)
• Semi-supervised and Unsupervised Methods for Heart Sounds Classification in Restricted Data Environments [4.712158833534046]
  本研究は、PhyloNet/CinC 2016 Challengeデータセット上で、様々な教師付き、半教師付き、教師なしのアプローチを用いる。 GANをベースとした半教師付き手法が提案され,非ラベルデータサンプルを用いてデータ分散の学習を促進できる。 特に、1D CNN Autoencoderと1クラスSVMを併用した教師なし特徴抽出は、データラベル付けなしで優れた性能が得られる。
  論文  参考訳（メタデータ） (2020-06-04T02:07:35Z)
• Progressive Object Transfer Detection [84.48927705173494]
  本稿では,新しいプログレッシブオブジェクト転送検出(POTD)フレームワークを提案する。 第一に、POTDは様々なドメインの様々なオブジェクトを効果的にプログレッシブな検出手順に活用することができる。 第2に、POTDは2つの微妙な転送段階、すなわち、LSTD(low-Shot Transfer Detection)とWSTD(Weakly Supervised Transfer Detection)から構成される。
  論文  参考訳（メタデータ） (2020-02-12T00:16:24Z)

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。