基于卷积神经网络的不良图片检测系统设计与实现

作     者：洪瑞 

作者单位：南京大学 

学位级别：硕士

导师姓名：葛季栋;周筱羽

授予年度：2019年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：不良图片检测 网页检测 卷积神经网络 迁移学习 

摘      要：近年来,随着计算机技术与网络技术的飞速发展,我国互联网用户量不断增长,已达到8亿人次,网民呈低龄化趋势发展,青少年网民数量不断增加。网络上大量的不良图片给青少年带来了极大的负面影响,影响了他们的健康成长。与此同时,有部分不法份子,利用不良图片易传播的特性,诱导用户下载含有木马、病毒等恶意软件,破坏了互联网健康环境,给网络监管造成了很大的困难。随着社交网络飞速发展,海量的图片信息被上传到网络空间,大规模的图片信息给不良图片的检测带来了更大的挑战。网络空间海量的图片依靠人工审核的方式,是难以完成的。随着人工智能技术的发展,研究者提出使用人工智能技术自动识别图片,替代传统的人工审核方式。本文结合人工智能技术,设计并实现了一个不良图片检测系统,系统从功能模块可以划分为权限管控模块、图片检测模块、网页检测模块与历史检测记录模块,系统可以直接对图片检测或根据网址自动检测网页内的图片返回结果。系统内的不良图片识别模型,采用了迁移学习的方法,将应用于其他图片识别任务的深度卷积神经网络模型,迁移到不良图片识别任务并使用现有的不良数据对模型进行微调,然后训练得到不良图片识别模型,节省了训练资源与时间,提高了图片识别率。本文首先介绍了系统的项目背景与研究现状,明确本文的主要工作,接着描述了系统开发所使用的技术与相关理论;然后介绍了系统的需求设计与整体设计方案,阐述了主要模块的详细设计与实现。同时详细介绍了不良图片识别模型的问题分析、模型设计、模型训练与实验分析。本系统是趋势科技公司为了满足政府与企业在不良信息管控领域的需求而自主研发的,目前该系统经过实际运行与测试,能够有效的对网络图片与网页进行自动审核检测,系统运行稳定,达到预期需求。