ПРИКАСПИЙСКИЙ ЖУРНАЛ
УПРАВЛЕНИЕ И ВЫСОКИЕ ТЕХНОЛОГИИ
АНАЛИЗ МЕТОДОВ КОМПЬЮТЕРНОГО ЗРЕНИЯ ДЛЯ ВЫЯВЛЕНИЯ ЗАПРЕЩЕННОЙ СИМВОЛИКИ НА ИЗОБРАЖЕНИЯХ В СЕТИ ИНТЕРНЕТ
 |
Читать | Шевченко Виктор Дмитриевич, Марьенков Александр Николаевич, Ханова Анна Алексеевна АНАЛИЗ МЕТОДОВ КОМПЬЮТЕРНОГО ЗРЕНИЯ ДЛЯ ВЫЯВЛЕНИЯ ЗАПРЕЩЕННОЙ СИМВОЛИКИ НА ИЗОБРАЖЕНИЯХ В СЕТИ ИНТЕРНЕТ // Прикаспийский журнал: управление и высокие технологии. — 2022. — №2. — Стр. 9-18. |
Шевченко Виктор Дмитриевич - Астраханский государственный университет, Астрахань, Российская Федерация
Марьенков Александр Николаевич - Астраханский государственный университет, Астрахань, Российская Федерация
Ханова Анна Алексеевна - Астраханский государственный университет, Астрахань, Российская Федерация
Рассмотрены структурные схемы и математическое обеспечение методов компьютерного зрения: поиска объекта по шаблону, бинарной классификация при помощи свёрточной нейронной сети, детекции объектов при помощи свёрточной нейронной сети с различными архитектурными решениями. Реализация всех перечисленных методов адаптирована для обнаружения запрещенной символики на изображениях сети Интернет, в случае ее присутствия и объявления о том, что изображение является запрещенным. А также распознание символов, по строению похожих на запрещенные, но не являющиxся таковыми, и объявление о том, что изображение не является запрещенным. На основе поставленной цели и сформулированных задач были протестированы три метода компьютерного зрения: поиск объекта по шаблону, бинарная классификация при помощи свёрточной нейронной сети, детекция объектов при помощи свёрточной нейронной сети на основе модели YOLOv3. Создан тестовый набор данных, включавший в себя 40 изображений, который использовался для определения точности каждого метода. Получены результаты эффективности для каждого рассмотренного метода. На основании поставленной задачи был проведен анализ трех методов компьютерного зрения: поиск объекта по шаблону, бинарная классификация при помощи свёрточной нейронной сети, детекция объектов при помощи свёрточной нейронной сети. Лучше всего себя показал метод детекции объектов при помощи свёрточной нейронной сети модели YOLOv3. Процент точности данного метода составил 95 %.
Ключевые слова: компьютерное зрение, запрещенные изображения, свёрточная нейронная сеть, бинарная классификация, поиск по шаблону, детекция объекта, YOLOv3