Démarrage de la reconnaissance d'image sémantique

Question

Comment reconnaître (dans) des images appropriées? Pour faciliter, activer et faciliter la modération de photo et d'image et l'administration ciblant gae, j'essaie de commencer avec la reconnaissance d'image python de base, c'est-à-dire l'information sémantique de base qui retient l'information douteuse jusqu'à ce que l'humain puisse la juger. approuve le plus qui soit bon. Un lot de test> 10 000 images en comportait un ou très peu, ce qui évite naturellement les faux positifs. J'ai trouvé les liens suivants à suivre et je vous remercie d'avance pour tous conseils, suggestions et recommandations. Très fondamentalement la modération affichera un nombre d'images et juste un bouton "ok" ou viceversa par défaut "ok" et un bouton "Disapprove" selon la décision par défaut (par défaut probablement publier tout et désapprobation ad hoc (humain) si certains inadéquats depuis l'absolu majeure partie> matériau 99% est convenablement bonne) link text

link text

Answer 1

Je crois que vous voulez commencer ici

http://en.wikipedia.org/wiki/Feature_detection_%28computer_vision%29

puis révisez votre théorie statistique, la lecture des documents sur le sujet.

Answer 2

en python vous pouvez toujours:

import supreme_court 

Parce que quand il s'agit de la pornographie, ils le savent quand ils le voient.

Blagues médiocres à part, je voudrais développer un tas de reconnaisseurs d'image floue qui correspondent choses faciles (comme combien de l'image est composée d'un ton de couleur de la peau?). Vous pourriez probablement trouver une bonne quantité de variables suspectes à ce stade - c'est la partie dure (ish). Utilisez ensuite les arbres de classification et de régression pour implémenter le moteur de décision réel. Entraînez-le avec votre échantillon de formation, puis effectuez une validation croisée de l'échantillon pour avoir une idée des faux positifs/négatifs.