Отображение слишком большого количества "кожи" в программном обеспечении

Я сомневаюсь, что существует какое-либо готовое программное обеспечение, которое может определить, загружает ли пользователь непослушную картинку. Лучше всего разрешить пользователям помечать изображения как «Только для взрослых» с помощью кнопки рядом с изображением. (Уточнение: я имею в виду пользователей, отличных от того, кто загрузил изображение - аналогично тому, как сообщения могут быть помечены как оскорбительные здесь, в StackOverflow.)

Также рассмотрите этот обзор попытки сделать то же самое в специализированном продукте: http://www.dansdata.com/pornsweeper.htm.

Ссылка, конечно, украдена из сегодняшнего подкаста StackOverflow :).

Мы не можем даже написать фильтры, которые обнаруживают грязные слова точно в блогах, и ваш босс просит для детектора порно? CLBUTTIC!

Боюсь, я не могу помочь вам указать правильное направление, но я помню, как читал об этом раньше. Это было в контексте того, что люди жаловались на то, что детские фотографии были пойманы и помечены ошибочно. По крайней мере, я могу дать вам надежду, что вам не придется изобретать колесо самому ... Кто-то еще шел по этому пути!

Лучше всего работать с изображением в цветовом пространстве HSV (см. здесь для преобразования rgb в hsv). Цвет кожи у всех рас практически одинаков, меняется только насыщенность. Работая с изображением в HSV, вы можете просто искать цвет кожи.

Вы можете сделать это, просто подсчитав количество пикселей в цветовом диапазоне, или вы можете выполнить регион, растущее вокруг пикселя, чтобы вычислить размер областей цвета.

Обновлено: для работы с зернистыми изображениями вы можете сначала выполнить средний фильтр на изображении, а затем уменьшить количество цветов, чтобы сначала сегментировать изображение, вам придется поиграть с настройками на большом наборе предварительно классифицированных (для взрослых или нет) изображения и посмотрите, как ведут себя значения, чтобы получить удовлетворительный уровень обнаружения.

Обновлено: Вот код, который должен делать простой подсчет (не тестировал, это быстрое мэшап некоторого кода от здесь и rgb до hsl здесь)

Bitmap b = new Bitmap(_image);
BitmapData bData = b.LockBits(new Rectangle(0, 0, _image.Width, _image.Height), ImageLockMode.ReadWrite, b.PixelFormat);
byte bitsPerPixel = GetBitsPerPixel(bData.PixelFormat);
byte* scan0 = (byte*)bData.Scan0.ToPointer();

int count;

for (int i = 0; i < bData.Height; ++i)
{
    for (int j = 0; j < bData.Width; ++j)
    {
        byte* data = scan0 + i * bData.Stride + j * bitsPerPixel / 8;

        byte r = data[2];
        byte g = data[1];
        byte b = data[0];

        byte max = (byte)Math.Max(r, Math.Max(g, b));
        byte min = (byte)Math.Min(r, Math.Min(g, b));

        int h;

        if (max == min)
            h = 0;
        else if (r > g && r > b)
            h = (60 * ((g - b) / (max - min))) % 360;
        else if (g > r && g > b)
            h = 60 * ((b - r)/max - min) + 120;
        else if (b > r && b > g)
            h = 60 * ((r - g) / max - min) + 240;


        if (h > _lowerThresh && h < _upperThresh)
            count++;
    }
}
b.UnlockBits(bData);

Возможно, Порно Испытание дыхания будет полезен - как сообщается на Slashdot.

Я бы сказал, что ваш ответ заключается в краудсорсинг задаче. Это почти всегда работает и имеет тенденцию хорошо масштабировать очень.

Необязательно превращать некоторых пользователей в «администраторов» и придумывать разные разрешения - это может быть так же просто, как включить «неприемлемую» ссылку рядом с каждым изображением и вести подсчет.

Интересный вопрос с теоретической / алгоритмической точки зрения. Один из подходов к проблеме - пометить изображения, которые содержат большие участки телесного цвета (как объяснил Трулл).

Однако количество отображаемого скина не является определяющим фактором для рекламного изображения, это, скорее, расположение показанного скина. Возможно, вы можете использовать обнаружение лица (поиск алгоритмов), чтобы уточнить результаты - определить, насколько велики участки кожи относительно лица и принадлежат ли они к лицу (возможно, насколько они ниже).

Я знаю, что либо Flickr, либо Picasa реализовали это. Я считаю, что эта процедура называлась FleshFinder.

Совет по архитектуре этого:

Запустите это как службу Windows отдельно от конвейера ASP.NET, вместо того, чтобы анализировать изображения в реальном времени, создайте очередь новых изображений, которые будут загружены для работы службы.

Вы можете использовать обычный System.Drawing, если хотите, но если вам действительно нужно обработать много изображений, было бы лучше использовать собственный код и высокопроизводительную графическую библиотеку и P / вызывать процедуру из вашего сервиса.

Поскольку ресурсы доступны, обрабатывайте изображения в фоновом режиме и помечайте те, которые вызывают подозрение у редакторов, это должно значительно сократить количество изображений для просмотра, не раздражая людей, которые загружают фотографии домов цвета кожи.

Я бы подошел к проблеме со статистической точки зрения. Возьмите кучу фотографий, которые вы считаете безопасными, и кучу, которые вам не нравятся (это сделает день исследования интересным), и посмотрите, что у них общего. Проанализируйте их все на предмет цветового диапазона и насыщенности, чтобы увидеть, сможете ли вы выделить характеристики, присущие всем непослушным фотографиям и немногим из безопасных.

Конечно, это не сработает для первого пользователя, который разместит крупным планом чье-то лицо (или руку, или ногу, или еще что-то). В конце концов, все эти формы автоматической цензуры потерпят неудачу, пока не произойдет реальный сдвиг парадигмы в способах распознавания объектов компьютерами.

Я не говорю, что вам, тем не менее, не следует пытаться это сделать; но я хочу указать на эти проблемы. Не ждите идеального (или даже хорошего) решения. Его не существует.

Риган Ап-апид представил доклад на WorldComp '08 именно по этой проблемной области. Документ якобы здесь, но для меня время ожидания сервера истекло. Я присутствовал на презентации статьи, и он рассказал о сопоставимых системах и их эффективности, а также о своем собственном подходе. Вы можете связаться с ним напрямую.

Толпа от Долорес Лабс может помочь вам. Я все время читаю их блог, потому что они, кажется, любят статистику и краудсорсинг и любят об этом говорить. Они используют механический турк Amazon для большей части своей обработки и знают, как обрабатывать результаты, чтобы получать правильные ответы. По крайней мере, загляните в их блог, чтобы увидеть несколько интересных статистических экспериментов.

См. Основополагающую статью «В поисках голых людей» Флека / Форсайта, опубликованную в ECCV. (Передовой).

http://www.cs.hmc.edu/~fleck/naked.html

Как упоминалось выше Биллом (и цитатой Крейга из Google), статистические методы могут быть очень эффективными.

Вы можете изучить два подхода:

• Нейронные сети
• Многовариантный анализ (MVA)

Подход MVA будет заключаться в получении «репрезентативной выборки» приемлемых изображений и неприемлемых изображений. Данные X будут массивом байтов из каждого изображения, Y будет назначен вами как 1 для неприемлемого и 0 для приемлемого. Создайте модель PLS, используя эти данные. Сопоставьте новые данные с моделью и посмотрите, насколько хорошо она предсказывает Y.

Вместо этого бинарный подход можно иметь несколько значений у (например, 0 = приемлемое, 1 = купальник / нижнего белья, 2 = порнографический)

Чтобы построить модель, вы можете взглянуть на программное обеспечение с открытым исходным кодом или есть ряд доступных коммерческих пакетов (хотя они, как правило, недешевы).

Поскольку даже самые лучшие статистические подходы не идеальны, идея включения отзывов пользователей, вероятно, была бы хорошей идеей.

Удачи (и в худшем случае вы сможете потратить время на сбор непослушных картинок в качестве разрешенного и оплачиваемого занятия!)