1. Oppai-Detect 3
yusukebe
2010/11/26
GXEB #01 @ NAVER JAPAN

2. 自己紹介
• Yusuke Wada（和田裕介）
• 1981/12/23
• Kamakura, Japan.
• Wadit Inc.
• Perl Engineer
• Founder of YourAVHost etc.
h"p://youravhost.net/

3. Oppai-Detect
画像のおっぱい部分を自動認識させる挑戦

4. 目的
• おっぱいが好きだ
• おっぱい画像をたくさん集めたい
• 収集の精度を高めたい
• おっぱい部分を自動で検出したい

5. 応用例
• 放送禁止画像の検出
– 画像投稿サイト
• スパム対策
• 子供向けサイトフィルタリング
• おっぱい画像の収集

6. 手法
• OpenCVを使用
– Intelが開発・公開したオープンソースの画像処理
向けのライブラリ
– パターン認識として物体検出（Object-
Detection）の機能を備えている
• 学習（Training）
• 認識・検出（Detection）

7. OpenCVによる顔検出の例
• Using “haarcascade_frontalface_alt2.xml”
use Image::ObjectDetect;
use Imager;
my $file = $ARGV[0] or die 'Filename is needed!';
my $img = Imager‐>new;
$img‐>read( file => $file ) or die $img‐>errstr;
my $cascade = './haarcascade_frontalface_alt2.xml';
my $detector = Image::ObjectDetect‐>new($cascade);
my @faces = $detector‐>detect($file);
for my $face (@faces) {
$img = $img‐>box(
xmin => $face‐>{x},
xmax => $face‐>{x} + $face‐>{width},
ymin => $face‐>{y},
ymax => $face‐>{y} + $face‐>{height},
color => 'red',
filled => 0,
) or die $img‐>errstr;
}
$img‐>write( file => 'out.jpg' ) or die $img‐>errstr;

8. Result

9. 今回のチャレンジ
1. 画像を集める
2. 学習ツール作成
3. ひたすらおっぱいを囲む
おっぱい画像を集めて
おっぱいの場所を指定して
学習ソフトに学習させて
検出のためのデータを作る

10. Term of Images
• Positive Image
– 対象物が写っている画像
– 精度を求めるには7000-8000枚
• Negative Image
– 対象物が写っていない画像
– 3000枚

11. 1. 画像を集める
• 「いかにして大量のおっぱい画像を集めるか」
• Web API の制限
– Google Ajax Search
• 最大件数64枚
– Yahoo 画像検索 API
• 最大件数1,000枚
• 10,000枚以上は集めたい
– AV女優名のリストを使って解決
• 「AV女優A おっぱい」
• 「AV女優B おっぱい」
• …

12. use Acme::Porn::JP;
• http://github.com/yusukebe/Acme-Porn-JP
use Acme::Porn::JP;
…;
my $porn = Acme::Porn::JP‐>new;
my $actress_list = $porn‐>actress();
for my $actress ( @$actress_list ){
search("$query $actress”);
}
…;
$ perl ‐MAcme::Porn::JP ‐e '$p = Ace::Porn::JP‐>new; print scalar
@{$p‐>actress};’
4502

13. 29,065枚

14. Haartrainingツールによる学習
1. positive.dat/negative.dat の作成
2. $ opencv_createsamples ‐info positive.dat ‐
vec a.vec
3. $ opencv_haartraining ‐data haarcascade ‐
vec a.vec ‐bg negative.dat ‐nstages 20
positive.dat
[filename] [# of objects] [[x y width height] [... 2nd object] ...]
images/01.jpg 1 140 100 45 45
nega2ve.dat
images/neg‐01.jpg
images/neg‐02.jpg

15. 学習ツール作成
• positive.datとnegative.datを作る
• 収集した画像に対象物があったら囲む
– その部分の座標と画像名をpositive.datに書き込む
– もし対象物が無かったらnegative.datへ
• 閲覧・囲み作業をWebブラウザで行う
• HTTP/Webアプリ
– use Plack;
• Javascriptフロントエンド
– strokeRect/HTML5

16. Haartraining-App
• http://github.com/yusukebe/Haartraining-App
yusuke@macmini:~/work/oppai‐detect/temp/Haartraining‐App$ tree ./
./
|‐‐ data
| |‐‐ images
| | `‐‐ 000001.jpg
| |‐‐ negative.dat
| `‐‐ positive.dat
|‐‐ haartraining.psgi
`‐‐ html
|‐‐ haartraining.js
`‐‐ index.html
3 directories, 6 files
$ plackup haartraining.psgi
HTTP::Server::PSGI: Accepting connections at http://0:5000/

17. ひたすらおっぱいを囲む

18. Haartraining-App
デモ

19. opencv_haartrainingによる学習
• Positive Image 2,000枚
• Negative Image 2,000枚
• nstage 10 stages
Mac mini / OSX 10.5
2.26 GHz Intel Core 2 Duo
OpenCV 2.1.0 ソースからコンパイル

20. Oppai-Detect
デモ

22. 実験結果
• 正面で画像サイズが的確なら認識される
• 誤認識はある
– へそ
– 膨らんでいる部位

23. 考察
• おっぱい画像の学習
– おっぱいにもたくさんある
• 正面乳/横乳/下乳/上乳/微乳/巨乳…
– どこまでがおっぱいか？
• 学習に対するコスト
– ソーシャルな力を利用したい

24. 今後
• 多様なおっぱいに対するポリシー策定
• 学習アプリの運用化
• 「みんなで作るOppai-Detect」？

25. Oppai-Detect
End.