基于预过滤与数据增强的色情图像识别模型

摘要

网络色情问题已经成为互联网应用不得不面对的问题.现有的色情图像识别技术仍然有较高的误报率.此外,色情图像数据集少使得基于深度学习的色情图像识别的训练容易产生过拟合.为了解决上述挑战,提出一种改进的基于预过滤与数据增强的色情图像识别模型PIRPDA.该模型能预过滤掉人脸特写图像以及婴儿图像这些容易被识别为色情的图像.并且通过不改变色情图像性质的方法来设计数据增强方案,提高色情图像识别的准确率.实验表明,所提出的PIRPDA模型在NPDI色情数据集上取得93.268％的准确率,优于当前主流的色情图像识别方法.