深度模型集成的不良图像分类
张晨
杜刚
杜雪涛
1.中国移动通信集团设计院有限公司,北京,1000802.中国移动通信集团设计院有限公司,北京,1000803.中国移动通信集团设计院有限公司,北京,100080
摘要：移动通信技术的飞速发展在提升用户通信体验的同时也为不良信息的散布提供了便利,针对如何在大量数据中进行不良内容的识别与过滤问题,提出一种基于深度模型集成的不良图像分类模型(EDM),通过集成多个结构不同、信息互补的深度模型来最优地区分分布差异较大的不良图像.为了验证本方法的有效性,建立一个真实移动通信场景下的不良图像数据集,并在此数据集上与基于传统支持向量机(SVM)的不良图像分类模型、基于深度卷积神经网络的Alexnet、VGG与Googlenet分类模型做对比.实验结果表明:本文所提深度模型集成方法在不良图像分类性能上明显优于其他模型,分类精度、精确率和召回率分别达到94％、84％和98％.
关键词：图像分类不良信息检测深度学习SVM分类器
分类号：TP183(自动化基础理论)
资助基金：教育部-中国移动科研基金(MCM20160102)Joint Fund of Ministry of Education of China and China Mobile (MCM20160102)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 21-26 )
英文信息