लाइसेंज़ेरो: सरल आंदोलनों

इस पोस्ट में, हम लेखों की एक श्रृंखला जारी रखते हैं कि हमने एक पोर्न फ़िल्टर कैसे बनाया। अब हम फ्रेम में विशेषता आंदोलनों द्वारा अश्लील सामग्री को वर्गीकृत करने के प्रयास पर ध्यान केंद्रित करेंगे।

यह सब एक बातचीत से सिर्फ एक मजाक के रूप में शुरू हुआ। दरअसल, अश्लील हरकतों को वर्गीकृत करना आसान नहीं है - वे कुछ अलग करने के लिए आम हैं। लेकिन हमने कोशिश की, परिणाम हमें पूरी तरह से अनुकूल लगा, और गति डिटेक्टर ने अश्लील वीडियो सामग्री के सामान्य वर्गीकरण में अपनी जगह ले ली।

एक बार फिर वर्गीकरण के बारे में

अधिकांश मशीन लर्निंग सिस्टम के संचालन का सिद्धांत काफी सरल है। कक्षाओं ए और बी में वस्तुओं को वर्गीकृत करने के लिए, हम उन्हें कुछ विशेषताओं के संयोजन के रूप में वर्णित करते हैं जिन्हें किसी भी तरह से मापा जा सकता है। अगला, हम सांख्यिकीय रूप से एक सूत्र या अभिव्यक्ति प्राप्त करते हैं, जो यदि हम किसी विशेष वस्तु के लिए विशेषताओं के ठोस मूल्य को प्रतिस्थापित करते हैं, तो कक्षा A की वस्तुओं के लिए एक मान> 0, और वर्ग B की वस्तुओं के लिए एक मान <0 देता है।

उदाहरण के लिए, हम स्वचालित रूप से अंतर करना चाहते हैं ... कहते हैं, काले से लाल कैवियार। संकेत अंडे का रंग और आकार हैं। हम काले और लाल कैवियार के कई अंडे का चयन करेंगे, उन्हें मापेंगे, और चार्ट पर स्थिति को प्रतिबिंबित करेंगे।

धराशायी लाइन वस्तुओं के दो वर्गों को अच्छी तरह से अलग करती है। हम देखते हैं कि लाल कैवियार काले रंग की तुलना में बड़ा और हल्का होता है। इस लाइन के लिए एक सूत्र बनाते हैं, उदाहरण के लिए:

z = आकार * c1 - रंग * c2 + c0,
जहां:
c1 और c2 कुछ गुणांक हैं जिन्हें सांख्यिकीय रूप से टिप्पणियों के परिणामों के अनुसार चुना जाता है,
c0 एक स्थिरांक है।

इसके अलावा, कुछ अज्ञात अंडे होने पर, हम अपने आकार और रंग को अपने सूत्र में बदलते हैं, और z> 0 के लिए हम कहते हैं कि कैवियार लाल है, और z <= 0 के लिए - कि यह काला है।

यह, ज़ाहिर है, व्यापक रूप से जाना जाता है। वर्गीकरण एल्गोरिदम की एक बड़ी संख्या है। उदाहरण के लिए, हमारे डिटेक्टर बनाते समय, हमने इस तरह के तरीकों का इस्तेमाल किया:

• AdaBoost ,
• वेक्टर मशीनों का समर्थन करें ।

इसलिए, हम अपनी पहली विशेषता की ओर मुड़ते हैं, जिसके द्वारा हम अश्लील अंशों को वर्गीकृत करेंगे - यह आंदोलन की प्रकृति है। शायद, कोई भी इस बात से इनकार नहीं करेगा कि संभोग के चित्रण वाले दृश्यों को फ्रेम में वस्तुओं के लयबद्ध, दोहराव वाले आंदोलनों की विशेषता है। हम उनकी तलाश करेंगे।

गति विश्लेषण

गति विश्लेषण के प्रसिद्ध और आमतौर पर इस्तेमाल किए जाने वाले तरीकों में से एक ऑप्टिकल प्रवाह है। उदाहरण के लिए, ऑप्टिकल प्रवाह का कार्यान्वयन प्रसिद्ध OpenCV पुस्तकालय में मौजूद है। ऑपरेशन का सिद्धांत गति वैक्टर के लिए खोज जैसा दिखता है जब एमपीईजी प्रारूप में वीडियो एन्कोडिंग होता है - एक फ्रेम में छवि के कुछ टुकड़े चुने जाते हैं, जिन्हें अगले फ्रेम में खोजा जाता है (उदाहरण के लिए, एसएडी विधि का उपयोग करके)। वस्तुओं की गति फ्रेम के बीच छवि के टुकड़े के विस्थापन से मेल खाती है।

हालांकि, घर पर ऑप्टिकल प्रवाह को लागू करने की कोशिश करने के बाद, हमने पाया कि:

• यदि छवि में (नंगे शरीर) गोल, धीरे-धीरे जलाया जाता है, तो ऑप्टिकल प्रवाह अक्सर गलत तरीके से आंदोलन की दिशा निर्धारित करता है;
• काम के परिणाम - यानी गति वैक्टर - मशीन सीखने के तरीकों का उपयोग करके वर्गीकृत करना मुश्किल है;
• यहां तक ​​कि हमारे अपने उपयोग करते समय, OpenCV के बजाय ऑप्टिकल प्रवाह का अनुकूलित कार्यान्वयन, गणना पर खर्च किया गया समय अस्वीकार्य रूप से बड़ा था;
• हम भी Inventos से हैं , हमारा लोगो एक साइकिल है।

यही है, हमने अपने तरीके से जाने का फैसला किया।

जैसा कि हमारे साथ

आंदोलन की दिशा निर्धारित करने के लिए, हमने स्पैटोटेम्पोरल फिल्टर का उपयोग कनवल्शन और समन के संचालन के उपयोग के आधार पर किया। इस दृष्टिकोण का उपयोग किया जाता है, उदाहरण के लिए, इस विकास में । यह विधि केवल व्यापक रूप से उपयोग की जाने लगी है, और हम व्यवहार में इसका उपयोग करने वाले पहले शोधकर्ताओं में से एक हैं। विशेष रूप से, हमारे पास परियोजना में भाग लेने वाले लोगों के साथ चैट करने का अवसर था, जो ऊपर दिए गए लिंक द्वारा वर्णित है। हम उन्हें विस्तृत परामर्श और कार्यान्वयन में सहायता के लिए उनके प्रति आभार व्यक्त करने का अवसर देते हैं।

आइए हम एक सरल, दो-आयामी उदाहरण पर दृढ़ संकल्प के उपयोग की व्याख्या करें। मान लीजिए कि आप एक ग्राफिक्स एडिटर में इमेज में डिटेक्शन एज ऑपरेशन को लागू करते हैं।

ग्राफिक्स एडिटर एक 3x3 मास्क बनाता है, छवि पर लगाता है, प्रत्येक पिक्सेल से शुरू होता है, और संबंधित संख्याओं को गुणा करता है और गुणा परिणामों को सारांशित करता है। परिणाम एक संख्या है - हम कह सकते हैं कि यह सब अधिक है क्योंकि मुखौटा के तहत संकेत स्वयं मास्क के समान है।

इसी तरह, लेकिन थ्री-डायमेंशनल स्पेस में (फ्रेम में एक पिक्सेल का दो-आयामी निर्देशांक + समय या तीसरे आयाम के रूप में फ्रेम नंबर), हमारे द्वारा उपयोग किए गए फ़िल्टर भी काम करते हैं।

हम क्या करते हैं:

• हम वीडियो के फ्रेम को "स्टैक" में इकट्ठा करते हैं।
• परिणामी डेटा संरचना में तीन-आयामी दृढ़ संकल्प के संचालन को लागू करें। इस मामले में, हम एक मुखौटा बना सकते हैं जो बड़ी संख्या को बाहर कर देगा यदि पूर्व-चयनित गति के साथ कुछ पूर्व-चयनित दिशा में आंदोलन होता है।
• ऐसे कई मुखौटों को लागू करते हुए, हम प्रत्येक पिक्सेल में, प्रत्येक पिक्सेल में, कई पूर्व-चयनित दिशाओं में आंदोलन की मात्रा का अनुमान लगा सकते हैं।
• सभी पिक्सल में सिग्नल कनवल्शन परिणाम के मूल्यों को संक्षेप में, हम गुणात्मक रूप से (दिशा में) कर सकते हैं और किसी भी समय पूरे फ्रेम में गति को निर्धारित कर सकते हैं।

नीचे दिया गया आंकड़ा एक अश्लील फिल्म के एक छोटे अंश पर हमारे गति फिल्टर के संचालन के परिणाम को दर्शाता है। वीडियो होस्टिंग साइटों पर प्रतिबंध लगाने से बचने के लिए हमने वीडियो को अपनी वेबसाइट पर डाल दिया। केंद्र में चित्र वीडियो से वर्तमान फ्रेम है। इसके आस-पास के चित्र हमारे फ़िल्टर के साथ फ़्रेम के अनुक्रम को फ़िल्टर करने का परिणाम हैं। प्रत्येक परिणाम आंदोलन के बारह चयनित दिशाओं में से एक से मेल खाता है। हरे रंग की वक्र कई दसियों तख्ते पर प्रत्येक दिशा में आंदोलन की मात्रा का एक ग्राफ है।



यह ध्यान देने योग्य है कि अश्लील वीडियो के आंदोलनों की विशेषता एक विशेषता, आसानी से पहचानने योग्य वक्र द्वारा व्यक्त की जाती है। इसके अलावा, इस वक्र से आप वीडियो में पात्रों की संख्या और उनके आंदोलनों की दिशा और गति का अनुमान लगा सकते हैं।

ऊपर दिए गए उदाहरण वीडियो में, दो प्रतिभागी विपरीत दिशाओं में आगे बढ़ रहे हैं। हरे रंग की वक्र पर बड़े आवधिक फटने से आदमी की बाईं ओर मजबूत आंदोलनों के अनुरूप होता है। छोटे फटने महिला के पारस्परिक आंदोलनों और कमजोर, पुरुष के वापसी आंदोलनों के अनुरूप हैं।

यदि वीडियो में केवल एक प्रतिभागी मौजूद है (यह अक्सर वीडियो चैट में पाया जाता है), तो वक्र में दूसरा फट नहीं होता है, कुछ हद तक एक साइनसॉइड की याद दिलाता है, और विश्लेषण करना आसान है। तीन या अधिक प्रतिभागियों के मामले में, स्थिति बहुत जटिल है। आप शायद हमारे साथ सहमत होंगे कि भागीदारों के शायद ही कभी सामना किए गए कार्यों में से कुछ को गणितीय रूप से या यहां तक ​​कि मौखिक रूप से वर्णित नहीं किया जा सकता है।

आंदोलन की गति का उपयोग अधिनियम के समय का अनुमान लगाने के लिए किया जा सकता है। यह हमारे डेटा पर ध्यान देने योग्य है कि वीडियो के अंत में आ रहा है, आंदोलनों का आयाम बढ़ता है, और अवधि घट जाती है। (यह मूल्यांकन दिलचस्प है, लेकिन अविश्वसनीय है, और हम इसका उपयोग अभ्यास में नहीं करते हैं)।

आंदोलन वर्गीकरण

ऊपर दिखाए गए वक्रों को प्राप्त करने के बाद, हम अंतिम कदम उठाने के लिए बने हुए हैं - कंप्यूटर को अन्य घटता से अश्लील सामग्री के लिए घटता को अलग करने के लिए सिखाने के लिए। हमने दो तरीके आजमाए:

• Bayesian स्पैम फ़िल्टर का उपयोग ,
• वेक्टर मशीन विधि का समर्थन (SVM, वेक्टर मशीनों का समर्थन)।

घटता का मूल्यांकन करने के लिए, आप बेयस पद्धति के आधार पर मौजूदा मौखिक स्पैम फ़िल्टरिंग सिस्टम का उपयोग कर सकते हैं। प्रत्येक वक्र को "शब्दों" के अनुक्रम में बदल दिया जा सकता है:

1. कुछ शब्द लंबाई चुनें। प्रत्येक शब्द, वीडियो से 3 सेकंड के लिए, के अनुरूप होगा।
2. हर बार अंतराल पर वक्र के आयाम का औसत मान ज्ञात करें।
3. प्रत्येक फ्रेम पर, औसत से ऊपर वक्र के प्रत्येक आयाम के लिए, हमारे "शब्द" के लिए एक "पत्र" 1 जोड़ें, और औसत से नीचे प्रत्येक आयाम के लिए - एक "पत्र" 0।

इस प्रकार, हमारा वीडियो "शब्दों" के एक सेट में बदल जाएगा। 0110011 के समान शब्द अक्सर पोर्न वीडियो में देखे जाते हैं।

ऐसे "शब्दों" के एक सेट के रूप में एक वीडियो को एक विवरण में बदलने के बाद, पोर्नोग्राफी को फ़िल्टर करने के लिए एक नियमित स्पैम फिल्टर का प्रशिक्षण केवल तकनीक का मामला है।

हमने एसवीएम की भी कोशिश की, लेकिन स्रोत डेटा की विशिष्ट प्रकृति के कारण, हम स्पैम फिल्टर पर बस गए।

वर्गीकरण सटीकता

कोई भी स्वचालित वर्गीकरण प्रणाली 100% सही परिणाम नहीं देती है। केवल गति अनुमानों का उपयोग करते हुए, हमने 78.3% की वर्गीकरण सटीकता हासिल की।

यह बहुत या थोड़ा है। एक तरफ, यह इतना अधिक नहीं है, फिर भी त्रुटि काफी अधिक है। लेकिन यहाँ यह कुछ बिंदुओं पर ध्यान देने योग्य है:

• हम एक व्यक्तिगत वीडियो के वर्गीकरण के बारे में बात कर रहे हैं। परीक्षण में, हमने उन वीडियो का उपयोग किया जो उपयोगकर्ता वीडियो होस्टिंग साइटों पर अपलोड करते हैं। यदि हम अश्लील दृश्यों के वर्गीकरण की सटीकता के बारे में बात करते हैं (यानी, टुकड़े जिसमें संभोग मौजूद है), तो यहां सटीकता 95% से अधिक थी।
• मोशन डिटेक्टर पूरी तरह से अन्य पोर्नोग्राफी डिटेक्टरों ( रंग द्वारा , या फ्रेम में वस्तुओं द्वारा) को पूरक करता है, क्योंकि यह उनके साथ बहुत कम है।

बेशक, काम की प्रक्रिया में, कुछ विषमताएं थीं। यहाँ एक फिल्म का एक उदाहरण है कि एक मोशन डिटेक्टर नोट अत्यधिक अश्लील है। हमने तुरंत उसे घर पर बुलाया "मैकेनिक ने जिम्बल के साथ सेक्स किया।"



उसी पृष्ठ पर जहां मोशन डिटेक्टर का परिणाम दिखाया गया है, अभी भी वीडियो के उदाहरण हैं, जिस पर डिटेक्टर गलत है।