基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
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.
推荐文章
基于IE浏览器的色情图像过滤器
色情图像
过滤
色度空间
浏览器助手对象
基于卷积神经网络的图像检测识别算法综述
卷积神经网络
图像检测
图像识别
应用残差神经网络的色情图片检测
残差神经网络
图片分类
色情图片检测
基于卷积神经网络的视频图像失真检测及分类
卷积神经网络
特征学习
视频图像失真
分类检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络的色情图像检测
来源期刊 计算机应用与软件 学科 工学
关键词 卷积神经网络 色情图像检测 特征提取 图像分类
年,卷(期) 2018,(1) 所属期刊栏目 图像处理与应用
研究方向 页码范围 232-236,275
页数 6页 分类号 TP138
字数 4589字 语种 中文
DOI 10.3969/j.issn.1000-386x.2018.01.040
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 余明扬 中南大学信息科学与工程学院 27 200 8.0 13.0
2 王一军 中南大学信息科学与工程学院 37 264 8.0 14.0
3 羊鹏 中南大学信息科学与工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (7)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (12)
二级引证文献  (0)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
卷积神经网络
色情图像检测
特征提取
图像分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导