RT info:eu-repo/semantics/doctoralThesis
T1 Data-efficient deep learning: age, expression, pornography, and sexual activity detection for crime prevention
T2 Aprendizaje profundo eficaz y con datos: detección de edad, expresiones, pornografía y actividad sexual para la prevención del crimen
A1 Kumar, Abhishek Gangwar
A2 Ingenieria de Sistemas y Automatica
K1 Derecho Penal
K1 Ingeniería de sistemas
K1 Pornografía virtual
K1 Big data
K1 1203.04 Inteligencia Artificial
K1 6310.02 Delincuencia
AB [ES] El creciente número de casos relacionados con la posesión y distribución de materialde abuso sexual de menores (ASM) supone un reto importante para las fuerzas del orden.Del mismo modo, la detección de contenido pornográfico es también un área activa deinvestigación. En esta Tesis, proponemos diferentes métodos novedosos para el recono-cimiento de ASM y material pornográfico.Nuestra estrategia consiste en dividir el problema de la detección automática de ASMen dos más simples: (i) la detección de contenido pornográfico y (ii) la clasificación deuna persona por grupos de edad: como menor de edad o adulto. Este enfoque no solosimplifica el problema, sino que también hace posible la creación de conjuntos de datosetiquetados masivos, especialmente para entrenar redes neuronales profundas. Teniendoen cuenta este objetivo, en primer lugar, hemos propuesto una arquitectura de red neu-ronal convolucional profunda (CNN) con un novedoso mecanismo de atención y apren-dizaje métrico, denotada AttM-CNN, para estas tareas. Además, las redes de detecciónde pornografía y de clasificación por grupos de edad se combinaron para la detecciónde ASM utilizando dos estrategias diferentes: fusión a nivel de decisión, para la clasifica-ción binaria de ASM, y fusión a nivel de puntuación, para la ordenación de las imágenesen función de cuán sospechosas resultan. También presentamos dos nuevos conjuntosde datos: (i) Pornographic-2M, que contiene dos millones de imágenes pornográficas, y(ii) Juvenile-80k, que incluye unas 80.000 imágenes etiquetadas manualmente con edadfacial aparente. Nuestro enfoque proporcionó mejores resultados que otros métodos delestado de la técnica en un conjunto de datos de prueba compuesto por un millón deimágenes pornográficas de adultos, un millón de imágenes no pornográficas y 5.000 imá-genes reales de ASM que nos proporcionaron las fuerzas policiales
LK http://hdl.handle.net/10612/15473
UL http://hdl.handle.net/10612/15473
NO Kumar, A. G. (2022). Data-efficient deep learning: age, expression, pornography, and sexual activity detection for crime prevention. [Tesis doctoral, Universidad de León]
NO 105 p.
DS BULERIA. Repositorio Institucional de la Universidad de León
RD 24-abr-2024