Wstęp

Sieci neuronowe mogą być wykorzystywane do rozwiązywania problemów mających znaczenie w psychologii i seksuologii. W szczególności wydaje się istotne wprowadzenie skutecznych mechanizmów mogących ograniczyć nieintencjonalny kontakt małoletnich z materiałami pornograficznymi. Celem badań było stworzenie modelu klasyfikacji zdjęć, który różnicowałby materiały pornograficzne (również o charakterze fetyszystycznym) od materiałów niepornograficznych (przedstawiających osoby bez ukazywania nagości i aktywności seksualnej).

Materiał i metody

W celu stworzenia nowego modelu zastosowano bazowo model sAI 0.3. Wykorzystano bibliotekę fast.ai w wersji 1.0.55. Za architekturę sieci neuronowej przyjęto zmodyfikowaną wersję ResNet152. Zmodyfikowano bazę sexACT, dodając do niej nowy materiał treningowy obejmujący 1630 zdjęć kobiet o charakterze niepornograficznym. Spośród nich 1304 zdjęcia (80% zbioru) zostały użyte do wytrenowania sieci, a pozostałe 326 zdjęć (20% zbioru) do jej późniejszej walidacji.

Wyniki

W wyniku badań stworzono model umożliwiający klasyfikację binarną zdjęć o charakterze pornograficznym i niepornograficznym z 96% dokładnością. Model charakteryzuje się tendencją do częstszego popełniania błędów pierwszego rodzaju niż błędów drugiego rodzaju. Model cechuje się wysoką precyzją (0,94) oraz wysoką czułością (0,88). Końcowa strata walidacji wynosiła 0,1314.

Wnioski

W pracy omówiono potencjalne zalety wykorzystania omawianego modelu z perspektywy klinicznej. Zastosowanie omawianego modelu mogłoby pozwolić w szczególności na zapobieżenie negatywnym skutkom kontaktu małoletnich z materiałami pornograficznymi i tym samym występowaniu ryzykownych zachowań seksualnych czy też negatywnych skutków psychospołecznych.