抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
Child Sexual Abuse Material(CSAM)のオンライン共有と視聴は,人間専門家が手動検査をもはや取り扱うことができないように,急速に成長している。しかし,CSAMの自動分類は,主に,-プライベートであり,法律施行機関の唯一の所有権であるべき目標データのアクセス性のため,研究の挑戦的な分野である。CSAM画像のさらなる理解を安全に提供し,そして,CSAM画像のさらなる理解を安全に提供するために,研究者を助けるために,データセットとそれぞれのラベルの統計を超える解析テンプレートを提案した。それは,事前訓練機械学習モデル,例えば,オブジェクトカテゴリーとポルノグラフィ検出,および輝度と鋭さのような画像メトリックスの両方によって提供される自動信号の抽出に焦点を合わせる。まばらな信号の凝集統計のみを提供し,子供と若者の匿名性を保証した。パイプラインは,各指定信号に閾値を適用することによりデータをフィルタリングし,部分集合内のそのような信号の分布,信号間の相関,およびバイアス評価を提供する。ブラジルの連邦警察とのパートナーシップで生成された正規とCSAM画像間の2000以上のサンプルから成る,文献における少数のCSAMベンチマークの1つである,領域ベースの注釈付きChild Porngraphyデータセット(RCPD)に関する提案を示した。いくつかの意味で雑音があり限定されたが,自動信号がデータの全体的分布の重要な側面を浮き彫りにし,それは開示できないデータベースにとって貴重であると主張する。著者らの目標は,CSAMデータセットの特性を安全に公開することであり,研究者が,そのベンチマークに関する類似のレポートを提供するために,分野とおそらく他の機関を接合することを奨励することである。【JST・京大機械翻訳】