دانلود ترجمه مقاله رده بندی تصاویر خشن اینترنتی بر مبنای MPEG 7 توصیف رنگ – مجله ACM

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

طبقه‌بندی تصاویر خشونت‌آمیز وب بر اساس توصیف‌ کننده‌های رنگ MPEG٧

عنوان انگلیسی مقاله:

Violent Web images classification based on MPEG7 color descriptors

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار مقاله ۲۰۰۹
تعداد صفحات مقاله انگلیسی ۶ صفحه با فرمت pdf
تعداد صفحات ترجمه تایپ شده ۱۵ صفحه با فرمت word
رشته های مرتبط با این مقاله کامپیوتر، مهندسی فناوری اطلاعات
گرایش های مرتبط با این مقاله طراحی و تولید نرم افزار، مهندسی نرم‌افزار، سیستمهای چند رسانه ای و بازیهای رایانه ای
مجله مربوطه  کنفرانس بین المللی سیستم ها، انسان و سایبرنتیک(International Conference on Systems, Man and Cybernetics)
دانشگاه تهیه کننده موسسه عالی فناوری اطلاعات و چند رسانه ای، صفاقس، تونس
کلمات کلیدی این مقاله  طبقه بندی تصویر مبتنی بر محتوا، داده کاوی، MPEG 7، خشونت
شناسه شاپا یا ISSN ISSN ۱۰۶۲-۹۲۲X
لینک مقاله در سایت مرجع لینک این مقاله در سایت ACM
نشریه ACM

 

 


  •  بخشی از ترجمه:

 

چکیده
در این مقاله، روش طبقه‌بندی تصاویر خشونت‌آمیز وب را ارائه می‌کنیم. این موضوع بسیار مهم است زیرا کاربرد بسیاری در زمینه‌های مختلف مثل فیلتر کردن وب‌سایت‌های خشونت‌آمیز دارد. ما پیشنهاد ترکیب تکنیک‌های تحلیل تصویر و داده‌کاوی را می‌دهیم تا خصوصیات سطح پایینی که از رنگ‌های تصاویر استخراج شده را به خصوصیات خشن بالاتر موجود در تصویر مرتبط کنیم. مقایسه‌ای نیز روی تکنیک‌های مختلف داده‌کاوی خواهیم داشت تا بتوانیم تصاویر خشن وب را دسته بندی کنیم. همچنین، توضیح می‌دهیم که ترکیب روش‌های یادگیری چگونه روی دقت کار تأثیر می‌گذارد. نتایج ما نشان می‌دهد که این روش می‌تواند محتوای خشن را به طور کارایی تشخیص دهد.
مقدمه:
شبکه‌ی گسترده‌ی جهانی (WWW) روی همه‌ی جنبه‌های جامعه شامل تجارت، علوم، سیاست و دولت، روابط فردی و سلامتی تأثیر زیادی داشته است. با این حال، وب روند نزولی داشته است. در حین گشت و گذار در اینترنت دسترسی به محتوای نزاعی مثل محتواهای خشونت‌آمیز آسان است. در واقع، کودکان در معرض شدید خشونت در اینترنت هستند؛ از سایت‌های کم‌عمق با حالت‌های بیرحمانه گرفته تا نمایش‌های مزاحمت‌آمیز شکنجه و آزار. امروزه کودکان و نوجوانان می‌توانند موزیک‌های خشن و ویدئو کلیپ‌ها و تصاویر خشن را با یک کلیک ماوس از اینترنت دانلود کنند. افراد جوان نیز از وب برای سیاحت استفاده می‌کنند و خلاقیت خود را به روش‌های مختلفی با ساختن فیلم‌ها، موزیک، وب‌سایت و بلاگ‌ها یا خاطرات آنلاین نشان می‌دهند.
کار اولیه‌ی ما یک سیستم فیلتر و شناسایی محتوای خشن وب به نام WebAngels filter را پیشنهاد می‌دهد که از تحلیل‌های ساختاری و زمینه‌ای استفاده می‌کند. ابزار ارزیابی ما کارایی روش را برای شناسایی و فیلتر صفحات خشن وب نشان می‌دهد. با این وجود WebAngels filter با مشکلاتی در طبقه‌بندی سایت‌های خشن که فقط دارای محتوای خشن گرافیکی هستند مواجه است. در این مقاله، این مسئله را بررسی کرده و یک روش جدید طبقه‌بندی تصاویر خشن پیشنهاد می‌دهیم. ما روی استفاده از توصیف‌کننده‌های رنگ و ترکیب طبقه‌بندها تمرکز می‌‌کنیم تا دقت طبقه‌بندی تصاویر خشن وب را بهبود بخشیم.
ادامه‌ی مقاله به این ترتیب سازماندهی شده است: در بخش ٢ مروری روی کارهای انجام شده داریم. روش پیشنهادی برای طبقه‌بندی تصاویر خشن وب در بخش ٣ ارائه می‌شود. نتایج ارزیابی و مقایسه‌ها در بخش ۴ بحث می‌شود.

 


  • بخشی از مقاله انگلیسی:

 

Abstract

In this article, we present a contribution to the violent Web images classification. This subject is deeply important as it has a potential use for many applications such as violent Web sites filtering. We propose to combine the techniques of image analysis and data-mining to relate low level characteristics extracted from the image’s colors to a higher characteristic of violence which could be contained in the image. We present a comparative study of different data mining techniques to classify violent Web images. Also, we discuss how the combination learning based methods can improve accuracy rate. Our results show that our approach can detect violent content effectively. Index Terms—content-based image clasification, Data-Mining, MPEG 7, violence I. INTRODUCTION The World Wide Web has had an impact on nearly every aspect of society including commerce, science, politics and government, personal relationships, and health. However, the Web has its downside. When surfing it’s easy to come across sites containing litigious content such as violent content. Indeed, kids are exposed to a continuum of violence on the Internet, ranging from sites with sophomoric cruel humor to disturbing depiction of torture and sadism. Today, children and teens can download violent music lyrics (including lyrics removed from retail versions of songs) and access violent images and video clips, with a click of a mouse, Young people use the Web to explore and display their creativity in very exciting ways creating online movies, music, Web sites and blogs or online diaries.Our initial work [1], has proposed a violent Web content detection and filtering system called “WebAngels filter” which uses textual and structural analysis. Our experimental tool evaluation shows its effectiveness to detect and filter Web violent pages, nevertheless, “WebAngels filter” finds difficulty in classifying the violent sites that contain only graphic violent content. In this paper, we investigate this problem and we propose a novel approach of violent Web images classification. We focus our attention on the use of colors descriptors and classifiers combination and we demonstrate that it can be applied to improve the violent Web images classification accuracy rate.

 


 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

طبقه‌بندی تصاویر خشونت‌آمیز وب بر اساس توصیف‌ کننده‌های رنگ MPEG٧

عنوان انگلیسی مقاله:

Violent Web images classification based on MPEG7 color descriptors

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

دانلود رایگان مقاله انگلیسی

 

خرید ترجمه فارسی مقاله

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا