JP7506109B2 - 画像評価装置、画像処理システム、ユーザ端末、画像評価方法、画像評価プログラム、および画像表示支援方法 - Google Patents
画像評価装置、画像処理システム、ユーザ端末、画像評価方法、画像評価プログラム、および画像表示支援方法 Download PDFInfo
- Publication number
- JP7506109B2 JP7506109B2 JP2022064668A JP2022064668A JP7506109B2 JP 7506109 B2 JP7506109 B2 JP 7506109B2 JP 2022064668 A JP2022064668 A JP 2022064668A JP 2022064668 A JP2022064668 A JP 2022064668A JP 7506109 B2 JP7506109 B2 JP 7506109B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- variable
- value
- user terminal
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 251
- 238000011156 evaluation Methods 0.000 title claims description 80
- 238000012545 processing Methods 0.000 title claims description 37
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 230000008569 process Effects 0.000 claims description 222
- 238000013507 mapping Methods 0.000 claims description 85
- 238000012854 evaluation process Methods 0.000 claims description 51
- 230000005856 abnormality Effects 0.000 claims description 46
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000006870 function Effects 0.000 description 20
- 239000013598 vector Substances 0.000 description 17
- 210000001015 abdomen Anatomy 0.000 description 15
- 210000001217 buttock Anatomy 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 13
- 238000012549 training Methods 0.000 description 12
- 230000004913 activation Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009182 swimming Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000003287 bathing Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Description
1.実行装置、および記憶装置を備え、前記記憶装置には、前景識別写像データと、背景識別写像データと、が記憶され、前記前景識別写像データは、前景識別写像を規定するためのデータであり、前記前景識別写像は、前景識別変数の値を出力する写像であり、前記前景識別変数は、評価対象の画像データが示す画像において人の状態を識別する変数であり、前記背景識別写像データは、背景識別写像を規定するためのデータであり、前記背景識別写像は、背景識別変数の値を出力する写像であり、前記背景識別変数は、前記画像データが示す前記人の背景の種類を識別する変数であり、前記実行装置は、前景識別処理、背景識別処理、および評価処理を実行するように構成され、前記前景識別処理は、前記画像データを前記前景識別写像に入力することによって前記前景識別変数の値を出力する処理であり、前記背景識別処理は、前記画像データを前記背景識別写像に入力することによって前記背景識別変数の値を識別する処理であり、前記評価処理は、前記画像データに異常があるか否かを評価する処理であって且つ、前記前景識別変数の値が第1の値である場合には、前記背景識別変数の値にかかわらず異常があると評価して且つ、前記前景識別変数の値が前記第1の値とは別の第2の値である場合には、前記背景識別変数の値を加味して前記異常か否かを評価する処理を含む画像評価装置である。
8.前記ユーザ端末は、指示処理を実行するように構成され、前記評価処理は、前記異常の度合いを複数段階に評価する処理を含み、前記指示処理は、前記ユーザ端末において表示される画像の許容範囲を指示する処理であり、前記提供処理は、前記評価処理によって評価された前記異常の度合いが前記許容範囲内である場合に前記画像データが示す画像を前記ユーザ端末に表示可能とすべく、前記画像データを前記ユーザ端末に送信する処理であり、前記制限処理は、前記評価処理によって評価された前記異常の度合いが前記許容範囲から外れる場合に前記画像データが示す画像が前記ユーザ端末により表示されることを制限する処理である上記7記載の画像処理システムである。
9.前記制限処理は、前記画像データの前記ユーザ端末への送信を禁止する禁止処理と、前記画像データを制限指令とともに送信する制限送信処理と、の少なくとも1つの処理を含み、前記制限指令は、前記ユーザ端末において前記画像データが示す画像が警告とともに表示されるようにする指令、前記ユーザ端末において前記画像データが示す画像のうちの所定部位の露出にマスクをする指令、および前記ユーザ端末において前記画像データが示す画像を表示しないようにする指令のいずれかである上記7記載の画像処理システムである。
・ユーザ端末に表示された画像中の所定部位の露出がマスクされること。
10.上記8記載の画像処理システムにおける前記ユーザ端末である。
12.上記1記載の画像評価装置における前記各処理をコンピュータに実行させる画像評価プログラムである。
14.ユーザ端末において選択的に画像が表示されることを支援する画像表示支援方法であって、前記ユーザ端末は、指示処理を実行するように構成され、上記1~6のいずれか1つに記載の画像評価装置における前記評価処理は、前記異常の度合いを複数段階に評価する処理を含み、前記指示処理は、前記ユーザ端末において表示される画像の許容範囲を指示する処理であり、前記ユーザ端末により表示される画像の候補を示す画像データのうち、前記画像評価装置における前記評価処理によって評価された前記異常の度合いが前記許容範囲内である場合に前記画像データが示す画像を前記ユーザ端末に表示可能とすべく、前記画像データを前記ユーザ端末に送信する提供工程と、前記ユーザ端末により表示される画像の候補を示す画像データのうち、前記評価処理によって評価された前記異常の度合いが前記許容範囲から外れる場合に前記画像データが示す画像が前記ユーザ端末により表示されることを制限する制限工程と、を有する画像表示支援方法である。
15.ユーザ端末において選択的に画像が表示されることを支援する画像表示支援方法であって、前記ユーザ端末により表示される画像の候補を示す画像データを取得する取得工程と、前記取得工程において取得された前記画像データのうち上記1~6のいずれか1つに記載の画像評価装置における前記評価処理によって前記異常がない旨の評価がなされた前記画像データが示す画像を前記ユーザ端末に表示可能とすべく、前記画像データを前記ユーザ端末に送信する提供工程と、前記取得工程において取得された前記画像データのうち、前記評価処理によって前記異常がある旨の評価がなされた前記画像データが示す画像が、前記ユーザ端末により表示されることを制限する制限工程と、を有する画像表示支援方法である。
以下、第1の実施形態について図面を参照しつつ説明する。
「前提構成」
図1に、画像処理システムの全体構成を示す。
ユーザ端末50は、PU52、記憶装置54、通信機56、およびユーザインターフェース58を備えている。PU52は、CPU、GPU、およびTPU等の演算ユニットを含むソフトウェア処理装置である。PU52は、PU32に含まれる態様の演算ユニットを含んでよい。記憶装置54は、電気的に書き換え可能な不揮発性メモリ、およびディスク媒体等の記憶媒体を備える。記憶装置54には、アプリケーションプログラム54aが記憶されている。アプリケーションプログラム54aは、画像評価装置30から送信されるCM動画データを再生するプログラムである。通信機56は、ネットワーク20を介して画像評価装置30との通信を可能とするための機器である。ユーザインターフェース58は、表示装置等を備える。
画像評価装置30のPU32は、業者端末10から送信されたCM動画データがユーザ端末50によって再生して問題ないデータであるか否かを評価する。
図4に、フレーム評価処理の詳細を示す。
図3に戻り、PU32は、フレームデータFD(i),FD(i+N),FD(i+2N)のうちの2つ以上についてOK判定がなされたか否かを判定する(S18)。そして、PU32は、OK判定が1つ以下であると判定する場合(S18:NO)、S10の処理によって取得したCM動画データの配信(送信)を禁止する(S20)。S18の処理において否定判定されることは、CM動画データに、胸部、正面下腹部、および尻部の少なくとも1つに異常な露出がある旨の最終的な判定がなされたことを意味する。
ここで、本実施形態の作用および効果について説明する。
以下、第2の実施形態について、第1の実施形態との相違点を中心に図面を参照しつつ説明する。
・ユーザ端末50においてCM動画データが再生される場合、始めに警告をする指令である。これはユーザインターフェース58が備えるディスプレイに視覚情報を表示する処理としてもよい。またたとえば、ユーザインターフェース58が備えるスピーカから音声情報を出力する処理としてもよい。
以下、第3の実施形態について、第1の実施形態との相違点を中心に図面を参照しつつ説明する。
図6に、フレーム評価処理の詳細を示す。図6に示す処理は、記憶装置34に記憶された画像評価プログラム34aを、PU32がたとえば所定周期でくり返し実行することにより実現される。なお、図6において、図4に示した処理に対応する処理については、便宜上、同一のステップ番号を付与する。
衣類識別モデルM16は、例として、教師あり学習によって学習された学習済みモデルである。衣類識別モデルM16は、たとえば、衣類変数yc1,yc2,yc3,…のそれぞれに該当するフレームデータを訓練データとして学習されたモデルである。衣類識別モデルM16は、たとえばNNであってよい。その場合、衣類識別モデルM16を構成するNNの出力活性化関数は、例として、ソフトマックス関数であってよい。衣類識別モデルM16は、教師なし学習によって学習された学習済みモデルであってよく、半教師あり学習によって学習された学習済みモデルであってもよい。なお、衣類識別モデルM16がNNの場合、NNの具体的な構成は、露出度識別モデルM10の説明において例示した構成としてもよい。
以上説明した本実施形態によれば、上記第1の実施形態において得られる作用および効果に準じた効果に加えて、さらに以下の作用および効果が得られる。
以下、第4の実施形態について、第1の実施形態との相違点を中心に図面を参照しつつ説明する。
図8に、フレーム評価処理の詳細を示す。図8に示す処理は、記憶装置34に記憶された画像評価プログラム34aを、PU32がたとえば所定周期でくり返し実行することにより実現される。
<第5の実施形態>
以下、第5の実施形態について、第1の実施形態との相違点を中心に図面を参照しつつ説明する。
図9に、本実施形態にかかる画像評価装置30によって実行される、CM動画データの評価処理の手順を示す。図9に示す処理は、記憶装置34に記憶された画像評価プログラム34aを、PU32がたとえば所定周期でくり返し実行することにより実現される。なお、図9において、図3に示した処理に対応する処理については、便宜上、同一のステップ番号を付与してその説明を省略する。
図6および図10に、S16aの処理の詳細を示す。なお、図10において、図7に示した処理に対応する処理については、便宜上、同一のステップ番号を付与している。
図9に戻り、PU32は、フレームデータFD(i),FD(i+N),FD(i+2N)のうちの1つ以上についてNG判定がなされたか否かを判定する(S80)。そして、PU32は、NG判定が1つ以上であると判定する場合(S80:YES)、CM動画データに対してNG判定をする(S82)。一方、PU32は、NG判定が「0」であると判定する場合(S80:NO)、フレームデータFD(i),FD(i+N),FD(i+2N)のうちの1つ以上についてOK2判定がなされたか否かを判定する(S84)。PU32は、1つ以上OK2判定がなされたと判定する場合(S84:YES)、CM動画データに対してOK2判定をする(S86)。一方、PU82は、OK2判定が「0」であると判定する場合(S84:NO)、変数iに「N」を加算する(S22)。そしてPU32は、フレームデータFD(i+2N)が存在するか否かを判定する(S24)。PU32は、フレームデータFD(i+2N)が存在すると判定する場合(S24:YES)、S14の処理に戻る。一方、PU32は、フレームデータFD(i+2N)が存在しないと判定する場合(S24:NO)、CM動画データに対してOK1判定をする(S88)。
<対応関係>
上記実施形態における事項と、上記「課題を解決するための手段」の欄に記載した事項との対応関係は、次の通りである。以下では、「課題を解決するための手段」の欄に記載した解決手段の番号毎に、対応関係を示している。
評価処理は、S38,S18~S24の処理、S38a,S18~S24の処理、および図9の処理に対応する。
なお、本実施形態は、以下のように変更して実施することができる。本実施形態および以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
再生して問題がある画像であるという評価の根拠である、1以上の身体の部分(所定の部位)は、胸部、正面下腹部、および尻部に限らず、例えば図2における身体の部分の少なくとも1つを含む態様で適宜、定義されてよい。また、一の実施形態において、上記根拠は、例えば図2における1の身体の部分の一部の態様で適宜、定義されてよい。具体的には、顔部を構成する唇,眼,髪等の身体の部分の一部が上記根拠となってもよい。
・衣類変数が、水着とスポーツウェアとで互いに異なる値となることは必須ではない。水着、スポーツウェア等、胸部、正面下腹部、および尻部に限って覆っている所定の衣類を同じ変数値としてもよい。
・背景識別変数が、プール、川、海と、スポーツジムとで互いに異なる値となることは必須ではない。たとえば、それらを同一の変数値としてもよい。
「衣類識別写像について」
・図6等には、衣類識別写像を構成する衣類識別モデルM16を複数の出力を有する単一のモデルとしたが、これに限らない。たとえば、衣類が水着であるか否かを識別するモデル、衣類がスポーツウェアであるか否かを識別するモデル等の複数の識別モデルとしてもよい。
・露出度識別写像を構成する露出度識別モデルM10を、露出度に応じた複数の値を出力する単一モデルとすることは、必須ではない。たとえば、「ye1」相当であるか否かを識別するモデル、「ye2」相当であるか否かを識別するモデル等、複数の識別モデルとしてもよい。
・たとえば露出を問題とする所定部位が複数ある場合において、それら各部位ごとに、露出の有無を出力するモデルであってもよい。すなわち、たとえば、胸部、正面下腹部、および尻部の3つを所定部位とする場合、それらのそれぞれ毎に、露出の有無の判定結果を示す変数値を出力するようにしてもよい。これは、たとえば出力活性化関数を、ロジスティックシグモイド関数を所定部位の数である3個用意することによって実現できる。
・図6においては、露出度識別モデルM10および衣類識別モデルM16の2つの学習済みモデルを利用して前景識別写像を構成したが、これに限らない。たとえば、身体の露出度と衣類の種類との双方を識別するラベル変数を出力する単一の学習済みモデルを利用して前景識別写像を構成してもよい。これは、たとえば図6において、「ye1,yc1」に対応するフレームデータFD、「ye1,yc1以外」に対応するフレームデータなどに各別の目標変数を付与した訓練データを用いて実現できる。
・S30の処理において、露出度識別モデルM10への入力データとしては、フレームデータFDに限らない。たとえば、R,G,Bの各画像データに代えて、モノクロの画像データを用いてもよい。またたとえば、フレームデータFDから人に関する画像領域を抽出して所定の背景画像に埋め込んだデータを入力してもよい。ここで、人に関する画像領域の抽出処理は、セマンティックセグメンテーションモデルを利用してPU32により実施する。
・背景識別モデルM12への入力データとしては、フレームデータFDに限らない。たとえば、R,G,Bの各画像データに代えて、モノクロの画像データを用いてもよい。またたとえば、フレームデータFDから背景に関する画像領域を抽出して所定の背景画像に埋め込んだデータを入力してもよい。ここで、背景に関する画像領域の抽出処理は、セマンティックセグメンテーションモデルを利用してPU32により実施する。
・評価処理が、前景識別変数の値のみから異常か否かを評価する処理と、前景識別変数の値と背景識別変数の値との双方から異常か否かを評価する処理と、からなることは必須ではない。たとえば、前景識別変数の値にかかわらず、NG判定される処理を含めてもよい。この処理は、たとえば、背景識別変数の値に、「背景識別変数について」の欄に記載したように、アダルトグッズ等が含まれる場合の値が含まれる場合等において好適である。
・前景識別写像データが、パラメトリックモデルにおける学習済みのパラメータのみからなることは必須ではない。たとえば、特徴抽出器を規定するデータと、サポートベクトルとからなってもよい。ここで、特徴抽出器は、CNN等、フレームデータFD等を入力として特徴ベクトルを出力する学習済みモデルである。一方、サポートベクトルは、サポートベクトルマシンの学習によって選択されたベクトルである。すなわち、訓練データが特徴抽出器に入力されることによって出力される特徴ベクトルから学習過程でサポートベクトルを抽出する。そして、特徴抽出器を規定するパラメータとサポートベクトルとを、前景識別写像データとして記憶装置34に記憶する。
・背景識別写像データが、パラメトリックモデルにおける学習済みのパラメータのみからなることは必須ではない。たとえば、特徴抽出器を規定するデータと、サポートベクトルとからなってもよい。ここで、特徴抽出器は、CNN等、フレームデータFD等を入力として特徴ベクトルを出力する学習済みモデルである。一方、サポートベクトルは、サポートベクトルマシンの学習によって選択されたベクトルである。すなわち、訓練データが特徴抽出器に入力されることによって出力される特徴ベクトルから学習過程でサポートベクトルを抽出する。そして、特徴抽出器を規定するパラメータとサポートベクトルとを、背景識別写像データとして記憶装置34に記憶する。
・S20aの処理としては、たとえば、再生画像のうち所定部位が露出している領域を少なくとも含む再生画像の一部に対して所定画像を重畳することでマスクをする指令であってよい。またたとえば、再生画像のうち所定部位が露出している領域を少なくとも含む再生画像の一部に対してぼかし等のエフェクトを適用することでマスクをする指令であってよい。すなわち、S20aの処理は、露出することが問題とされて且つ露出していると判定された所定部位が非表示となるような指令であればその態様に制限はない。なお、露出することが問題とされる所定部位のうちの実際に露出している領域は、たとえば露出度識別モデルM10の注視領域に基づき特定してもよい。
・実行装置としては、PU32に限らない。たとえば、実行装置を、ASIC、およびFPGA等の専用のハードウェア回路としてもよい。すなわち、実行装置は、以下の(a)~(c)のいずれかの構成を備える処理回路を含んでいてもよい。(a)上記処理の全てを、プログラムに従って実行する処理装置と、プログラムを記憶する記憶装置等のプログラム格納装置とを備える処理回路。(b)上記処理の一部をプログラムに従って実行する処理装置およびプログラム格納装置と、残りの処理を実行する専用のハードウェア回路(ハードウェアアクセレータ)とを備える処理回路。(c)上記処理の全てを実行する専用のハードウェア回路を備える処理回路。ここで、処理装置およびプログラム格納装置を備えたソフトウェア実行装置は、複数であってもよい。また、専用のハードウェア回路は複数であってもよい。
・画像評価装置が、画像を評価する処理と、評価結果をユーザ端末50に配信する処理との双方を行うことは必須ではない。たとえば、評価結果をユーザ端末50に配信する処理を、画像評価装置とは別の装置が実行してもよい。また、画像評価装置が業者端末10から送信された画像データを受信することも必須ではない。業者端末10から送信された画像データを受信して且つ画像評価装置に送信する装置を別途備えてもよい。
・画像評価プログラム34aを実行するコンピュータとしては、画像評価装置30が備えるPU32に限らない。たとえば、画像評価プログラム34aをユーザ端末50にインストールすることによって、ユーザ端末50のPU52を画像評価プログラム34aを実行するコンピュータとしてもよい。
・PU12が、PU32に含まれ得る態様の演算ユニットを含んでもよい。
・上記実施形態では、CM動画データとして、ストリーミング映像の態様でユーザ端末50に対して配信(送信)されるものを想定したが、これに限らない。たとえば、ライブストリーミングの態様のサービスでユーザ端末50に対してリアルタイムに配信(送信)されてよい。評価対象となる画像データは、CM動画データに限らない。たとえば、商品等の広告の用に供する動画に限らず、人(人物)の身体の少なくとも一部が含まれ得る動画であればその種別や異常判定の目的に制限はない。さらに、評価対象となる画像データは、たとえば任意の静止画像のデータであってもよい。
14…記憶装置
20…ネットワーク
30…画像評価装置
50…ユーザ端末
54…記憶装置
Claims (14)
- 実行装置、および記憶装置を備え、
前記記憶装置には、前景識別写像データと、背景識別写像データと、が記憶され、
前記前景識別写像データは、前景識別写像を規定するためのデータであり、
前記前景識別写像は、前景識別変数の値を出力する写像であり、
前記前景識別変数は、評価対象の画像データが示す画像において人の状態を識別する変数であり、
前記背景識別写像データは、背景識別写像を規定するためのデータであり、
前記背景識別写像は、背景識別変数の値を出力する写像であり、
前記背景識別変数は、前記画像データが示す前記人の背景の種類を識別する変数であり、
前記実行装置は、前景識別処理、背景識別処理、および評価処理を実行するように構成され、
前記前景識別処理は、前記画像データを前記前景識別写像に入力することによって前記前景識別変数の値を出力する処理であり、
前記背景識別処理は、前記画像データを前記背景識別写像に入力することによって前記背景識別変数の値を識別する処理であり、
前記評価処理は、前記画像データに異常があるか否かを評価する処理であって且つ、前記前景識別変数の値が第1の値である場合には、前記背景識別変数の値にかかわらず異常があると評価して且つ、前記前景識別変数の値が前記第1の値とは別の第2の値である場合には、前記背景識別変数の値を加味して前記異常か否かを評価する処理を含む画像評価装置。 - 前記第1の値は、身体の所定部位が露出している状態において前記前景識別変数の値が取り得る値であり、
前記第2の値は、前記所定部位の少なくとも一部が衣類で覆われているものの、前記身体の露出度合いが大きい状態において前記前景識別変数の値が取り得る値である請求項1記載の画像評価装置。 - 前記評価処理は、
前記前景識別変数の値が前記第2の値であることと、前記背景識別変数の値が、前記背景が、水遊び、またはスポーツをする所定の場所において取り得る値であることとの論理積が真である場合、前記異常ではないと評価する処理と、
前記前景識別変数の値が前記第2の値であることと、前記背景識別変数の値が、前記背景が前記所定の場所とは異なる所定の室内であるときに取り得る値であることとの論理積が真である場合、前記異常であると評価する処理と、を含む請求項2記載の画像評価装置。 - 前記前景識別変数は、衣類の種類を特定する値を含み、
前記第2の値は、前記所定部位の少なくとも一部が、水着またはスポーツウェアで覆われている場合に取り得る値である請求項3記載の画像評価装置。 - 前記前景識別写像は、露出度識別写像と、衣類識別写像と、を含み、
前記露出度識別写像は、前記人の所定部位の露出度を示す変数である露出度変数の値を出力する写像であり、
前記衣類識別写像は、前記人が身に着けている衣類の種類を識別する変数である衣類変数の値を出力する写像であり、
前記前景識別変数は、前記露出度変数および前記衣類変数に基づく請求項1記載の画像評価装置。 - 前記前景識別写像は、身体識別写像と、着衣識別写像と、を含み、
前記身体識別写像は、前記人の身体の部位を識別する変数である身体識別変数の値を出力する写像であり、
前記着衣識別写像は、前記人の身体であるか、前記人が身に着けている衣類であるかを識別する変数である着衣識別変数の値を出力する写像であり、
前記前景識別処理は、前記身体識別変数の値および前記着衣識別変数の値に応じて前記前景識別変数の値を算出する処理を含む請求項1記載の画像評価装置。 - 請求項1に記載の画像評価装置における前記実行装置、および前記記憶装置と、複数のユーザ端末と、を備え、
前記実行装置は、提供処理、および制限処理を実行するように構成され、
前記提供処理は、前記評価処理によって前記異常がない旨の評価がなされた前記画像データが示す画像を前記ユーザ端末に表示可能とすべく、前記画像データを前記ユーザ端末に送信する処理であり、
前記制限処理は、前記評価処理によって前記異常がある旨の評価がなされた前記画像データが示す画像が、前記ユーザ端末により表示されることを制限する処理である画像処理システム。 - 前記ユーザ端末は、指示処理を実行するように構成され、
前記評価処理は、前記異常の度合いを複数段階に評価する処理を含み、
前記指示処理は、前記ユーザ端末において表示される画像の許容範囲を指示する処理であり、
前記提供処理は、前記評価処理によって評価された前記異常の度合いが前記許容範囲内である場合に前記画像データが示す画像を前記ユーザ端末に表示可能とすべく、前記画像データを前記ユーザ端末に送信する処理であり、
前記制限処理は、前記評価処理によって評価された前記異常の度合いが前記許容範囲から外れる場合に前記画像データが示す画像が前記ユーザ端末により表示されることを制限する処理である請求項7記載の画像処理システム。 - 前記制限処理は、
前記画像データの前記ユーザ端末への送信を禁止する禁止処理と、
前記画像データを制限指令とともに送信する制限送信処理と、
の少なくとも1つの処理を含み、
前記制限指令は、前記ユーザ端末において前記画像データが示す画像が警告とともに表示されるようにする指令、前記ユーザ端末において前記画像データが示す画像のうちの所定部位の露出にマスクをする指令、および前記ユーザ端末において前記画像データが示す画像を表示しないようにする指令のいずれかである請求項7記載の画像処理システム。 - 請求項1記載の画像評価装置における前記各処理を実行するステップを有する画像評価方法。
- 請求項1記載の画像評価装置における前記各処理をコンピュータに実行させる画像評価プログラム。
- ユーザ端末において選択的に画像が表示されることを支援する画像表示支援方法であって、
前記ユーザ端末により表示される画像の候補を示す画像データのうち、請求項1に記載の画像評価装置における前記評価処理によって前記異常がない旨の評価がなされた前記画像データが示す画像を前記ユーザ端末に表示可能とすべく、前記画像データを前記ユーザ端末に送信する提供工程と、
前記ユーザ端末により表示される画像の候補を示す画像データのうち、前記評価処理によって前記異常がある旨の評価がなされた前記画像データが示す画像が、前記ユーザ端末により表示されることを制限する制限工程と、
を有する画像表示支援方法。 - ユーザ端末において選択的に画像が表示されることを支援する画像表示支援方法であって、
前記ユーザ端末は、指示処理を実行するように構成され、
請求項1に記載の画像評価装置における前記評価処理は、前記異常の度合いを複数段階に評価する処理を含み、
前記指示処理は、前記ユーザ端末において表示される画像の許容範囲を指示する処理であり、
前記ユーザ端末により表示される画像の候補を示す画像データのうち、前記画像評価装置における前記評価処理によって評価された前記異常の度合いが前記許容範囲内である場合に前記画像データが示す画像を前記ユーザ端末に表示可能とすべく、前記画像データを前記ユーザ端末に送信する提供工程と、
前記ユーザ端末により表示される画像の候補を示す画像データのうち、前記評価処理によって評価された前記異常の度合いが前記許容範囲から外れる場合に前記画像データが示す画像が前記ユーザ端末により表示されることを制限する制限工程と、
を有する画像表示支援方法。 - ユーザ端末において選択的に画像が表示されることを支援する画像表示支援方法であって、
前記ユーザ端末により表示される画像の候補を示す画像データを取得する取得工程と、
前記取得工程において取得された前記画像データのうち請求項1に記載の画像評価装置における前記評価処理によって前記異常がない旨の評価がなされた前記画像データが示す画像を前記ユーザ端末に表示可能とすべく、前記画像データを前記ユーザ端末に送信する提供工程と、
前記取得工程において取得された前記画像データのうち、前記評価処理によって前記異常がある旨の評価がなされた前記画像データが示す画像が、前記ユーザ端末により表示されることを制限する制限工程と、
を有する画像表示支援方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022064668A JP7506109B2 (ja) | 2022-04-08 | 2022-04-08 | 画像評価装置、画像処理システム、ユーザ端末、画像評価方法、画像評価プログラム、および画像表示支援方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022064668A JP7506109B2 (ja) | 2022-04-08 | 2022-04-08 | 画像評価装置、画像処理システム、ユーザ端末、画像評価方法、画像評価プログラム、および画像表示支援方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023154981A JP2023154981A (ja) | 2023-10-20 |
JP7506109B2 true JP7506109B2 (ja) | 2024-06-25 |
Family
ID=88373254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022064668A Active JP7506109B2 (ja) | 2022-04-08 | 2022-04-08 | 画像評価装置、画像処理システム、ユーザ端末、画像評価方法、画像評価プログラム、および画像表示支援方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7506109B2 (ja) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002175527A (ja) | 2000-12-06 | 2002-06-21 | Gala Inc | コンピュータ画像処理により猥褻ヌード画像を弁別する方法 |
JP2002189925A (ja) | 2000-12-21 | 2002-07-05 | Gala Inc | インターネット上の広告管理サーバー |
JP2008027424A (ja) | 2006-06-21 | 2008-02-07 | Sharp Corp | データ送受信装置、サーバ装置、データ送受信システムおよびそれらの制御方法、制御プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体 |
JP2008033656A (ja) | 2006-07-28 | 2008-02-14 | Noritsu Koki Co Ltd | 写真画像処理装置 |
JP2008033654A (ja) | 2006-07-28 | 2008-02-14 | Noritsu Koki Co Ltd | 写真画像判別方法、写真画像判別プログラム、及び、写真画像処理装置 |
JP2008033655A (ja) | 2006-07-28 | 2008-02-14 | Noritsu Koki Co Ltd | 写真画像処理装置 |
JP2009169518A (ja) | 2008-01-11 | 2009-07-30 | Kddi Corp | 領域識別装置およびコンテンツ識別装置 |
JP2009252243A (ja) | 2008-04-04 | 2009-10-29 | Nhn Corp | 成人物判断方法及びシステム |
WO2018109048A1 (en) | 2016-12-16 | 2018-06-21 | Glaxosmithkline Intellectual Property Development Limited | A clothing compliance detection apparatus, and associated clothing standard enforcement apparatus |
JP2023154980A (ja) | 2022-04-08 | 2023-10-20 | 楽天グループ株式会社 | 画像評価装置、画像処理システム、ユーザ端末、画像評価方法、画像評価プログラム、および画像表示支援方法 |
-
2022
- 2022-04-08 JP JP2022064668A patent/JP7506109B2/ja active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002175527A (ja) | 2000-12-06 | 2002-06-21 | Gala Inc | コンピュータ画像処理により猥褻ヌード画像を弁別する方法 |
JP2002189925A (ja) | 2000-12-21 | 2002-07-05 | Gala Inc | インターネット上の広告管理サーバー |
JP2008027424A (ja) | 2006-06-21 | 2008-02-07 | Sharp Corp | データ送受信装置、サーバ装置、データ送受信システムおよびそれらの制御方法、制御プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体 |
JP2008033656A (ja) | 2006-07-28 | 2008-02-14 | Noritsu Koki Co Ltd | 写真画像処理装置 |
JP2008033654A (ja) | 2006-07-28 | 2008-02-14 | Noritsu Koki Co Ltd | 写真画像判別方法、写真画像判別プログラム、及び、写真画像処理装置 |
JP2008033655A (ja) | 2006-07-28 | 2008-02-14 | Noritsu Koki Co Ltd | 写真画像処理装置 |
JP2009169518A (ja) | 2008-01-11 | 2009-07-30 | Kddi Corp | 領域識別装置およびコンテンツ識別装置 |
JP2009252243A (ja) | 2008-04-04 | 2009-10-29 | Nhn Corp | 成人物判断方法及びシステム |
WO2018109048A1 (en) | 2016-12-16 | 2018-06-21 | Glaxosmithkline Intellectual Property Development Limited | A clothing compliance detection apparatus, and associated clothing standard enforcement apparatus |
JP2023154980A (ja) | 2022-04-08 | 2023-10-20 | 楽天グループ株式会社 | 画像評価装置、画像処理システム、ユーザ端末、画像評価方法、画像評価プログラム、および画像表示支援方法 |
Non-Patent Citations (1)
Title |
---|
報道発表 不適切コンテンツの自動フィルタリングシステムのトライアルを開始 -DeepLearning技術を活用して人間の感性に近い判定が可能に-[オンライン],日本,NTTコムウェア株式会社,2015年02月09日,https://www.nttcom.co.jp/news/pr15020901.html |
Also Published As
Publication number | Publication date |
---|---|
JP2023154981A (ja) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kao et al. | Hierarchical aesthetic quality assessment using deep convolutional neural networks | |
US20200237266A1 (en) | Action recognition and pose estimation method and apparatus | |
Jiang et al. | Photohelper: portrait photographing guidance via deep feature retrieval and fusion | |
CN110263681A (zh) | 面部表情的识别方法和装置、存储介质、电子装置 | |
KR20190056720A (ko) | 뉴럴 네트워크 학습 방법 및 디바이스 | |
CN111127476A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
KR20190114448A (ko) | 사용자 맞춤형 의류 추천 방법 및 이를 실행하는 서버 | |
JP7455889B2 (ja) | 画像評価装置、画像処理システム、ユーザ端末、画像評価方法、および画像評価プログラム | |
JP7506109B2 (ja) | 画像評価装置、画像処理システム、ユーザ端末、画像評価方法、画像評価プログラム、および画像表示支援方法 | |
Kwon et al. | Tailor me: An editing network for fashion attribute shape manipulation | |
Gupta et al. | Intelligent Music Recommendation System Based on Face Emotion Recognition | |
US20220358752A1 (en) | Apparatus and method for developing space analysis model based on data augmentation | |
CN116597317A (zh) | 遥感图像变化检测数据生成方法、装置、设备及介质 | |
CN111182295A (zh) | 一种视频数据处理方法、装置、设备以及可读存储介质 | |
Lee et al. | Life chasing: A location-based game prototype for elderly health promotion | |
CN113379716B (zh) | 一种色斑预测方法、装置、设备及存储介质 | |
JP2020003879A (ja) | 情報処理装置、情報処理方法、透かし検出装置、透かし検出方法、及びプログラム | |
JP7263864B2 (ja) | 画像処理装置、画像処理方法、画像処理プログラム及び製品開発システム | |
Nagai et al. | Action quality assessment with ignoring scene context | |
US10991064B1 (en) | System and method of applying watermark in a digital image | |
Goree et al. | Correct for whom? subjectivity and the evaluation of personalized image aesthetics assessment models | |
CN112070662A (zh) | 一种换脸模型的评价方法、装置、电子设备及存储介质 | |
KR101117543B1 (ko) | 표지판 평가 시스템 | |
Yue et al. | Subjective and objective quality assessment of multi-attribute retouched face images | |
Bourhim et al. | Reshaping Sport with Extended Reality in an Era of Metaverse: Insights from XR the Moroccan Association Experts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230216 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240319 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240401 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240604 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240613 |