การคัดแยกรูปภาพอนาจารโดยใช้โครงข่ายประสาทเทียม

Pornographic image classification using neural network

Name: ฐิติพรรณ สวนกัน

ThaSH: ภาพ -- การแยก

ThaSH: นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์)

Abstract: ปัจจุบันมีสื่อบนอิเทอร์เน็ตที่ประกอบด้วยภาพอนาจารจำนวนมาก ซึ่งสามารถเข้าถึงได้ ง่าย งานวิจัยนี้นำเสนอวิธีการคัดแยกรูปภาพอนาจารโดยใช้โครงข่ายประสาทเทียม ขั้นตอนการ วิจัยมีดังนี้ 1) การเตรียมภาพ 2) การแยกคุณสมบัติภาพ 3) การสร้างรูปแบบการคัดแยกโดยใช้ โครงข่ายประสาทเทียม และ 4) การทดสอบรูปแบบการคัดแยก การหาประสิทธิภาพในการคัด แยกรูปภาพ พิจารณาจากค่าความผิดพลาดกำลังสองเฉลี่ยที่เกิดขึ้นน้อยที่สุดจากการเปรียบเทียบ ระหว่างโครงข่ายประสาทเทียมที่ได้ออกแบบไว้ 10 รูปแบบ โดยทำการทดลองในแต่ละแบบ จำนวน 10 รอบการทดลอง จากการทดสอบผล โครงข่ายประสาทเทียมรูปแบบ 6 อินพุต 4 โหนดซ่อน และ 1 เอาต์พุต (6-4-1) เป็นโครงข่ายประสาทเทียมที่มีประสิทธิภาพดีที่สุด โดยมีค่า ผิดพลาดที่มีค่าน้อยที่สุด ซึ่งในข้อมูลชุดสอนมีค่าผิดพลาดกำลังสองเฉลี่ยเท่ากับ 3.718×10- 5 ค่า ผิดพลาดที่มีค่าน้อยที่สุดของข้อมูลชุดทดสอบมีค่ากำลังสองเฉลี่ยเท่ากับ 3.2×10- 3 จำนวน รูปภาพที่แยกแยะผิดพลาดน้อยที่สุดเท่ากับ 12 ภาพ จากรูปภาพทั้งหมด 400 ภาพ คิดเป็นร้อยละ 3.00 สรุปได้ว่า โครงข่ายประสาทเทียมรูปแบบ 6-4-1 เหมาะสำหรับนำไปสร้างเป็นโปรแกรม ประยุกต์เพื่อการคัดแยกรูปภาพอนาจาร

Abstract: Nowadays, there are many types of image media on the Internet which anyone can easily access to inappropriate media. The problem is that it is difficult to protect young children from viewing pornographic images. For this reason, this master project proposes to use an artificial neural network (ANN) model to classify the pornographic images. The research procedures are as follows: 1) data preparation, 2) feature extraction, 3) artificial neural network construction, and 4) model evaluation. In the construction process, there were 10 ANN models; each model was trained 10 times to select the best design. In verifying process, the efficiency of ANN models were considered by using mean squared error (MSE) based on both training data and test data. The best model was selected from the lowest MSE. For the results, ANN with the design 6 inputs, 4 hidden nodes, and 1 output (6-4-1 model) is the best model with the value of MSE of 3.718× 10- 5 on training data and 3.2×10- 3 on the test data. The number of misclassified images was 12 pictures from 400 images (error 3.00%). That means the ANN 6-4-1 model is a suitable design to be further developed effective classification software for pornographic image detection.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: พยุง มีสัจ

Role: ที่ปรึกษาสารนิพนธ์

Email : pym@kmutnb.ac.th

Created: 2550

Modified: 2567-08-06

Issued: 2551-11-05

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: สพ MITT ฐ341ส

tha

DegreeName: วิทยาศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: เทคโนโลยีสารสนเทศ

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B15086756.pdf	3.03 MB	3	2025-06-24 14:01:38

ใช้เวลา

0.03147 วินาที