As redes neurais convolucionais, inspiradas no funcionamento do córtex visual humano, constituem um dos recursos mais eficientes na área de aprendizado de máquinas. Elas estão na base de método destinado à detecção de pornografia infantojuvenil em imagens proposto em pesquisa realizada por João José de Macedo Neto, no Programa de Pós-graduação em Ciência da Computação da UFMG. Macedo é perito da Polícia Federal, que tem utilizado o método, em fase de avaliação.

Em seu trabalho de mestrado, João Macedo desenvolveu uma técnica que combina métodos de classificação de pornografia e de detecção facial, já existentes, com outro de estimativa de idade por meio de análise de faces, concebido ao longo da pesquisa. Em testes efetuados em um conjunto de dados restrito à PF, a nova abordagem registrou quase 80% de acurácia. “Na área forense, a estimativa de idade agrega informação importante para a tipificação de crimes ligados à pornografia infantil e constitui grande diferencial em relação às alternativas existentes”, explica o pesquisador.

Na análise de uma imagem, o primeiro aspecto observado é a presença potencial de pornografia. Se a imagem for considerada pornográfica, as faces são extraídas e classificadas pelo módulo de estimativa de idade – como adultos ou crianças, por gênero e faixa etária.

Parâmetros
Os três módulos – para detecção de pornografia, de faces e para estimativa de idade – são baseados em redes neurais convolucionais (CNN, de convolutional neural networks), categoria de redes neurais com grande aplicação em tarefas de classificação de imagens e vídeos, processamento de linguagem natural, entre outras.

Assim como as redes neurais, as CNN possuem em sua arquitetura neurônios associados a pesos, ou parâmetros, que são aprendidos durante a fase de treinamento. Além disso, as redes neurais possuem uma estrutura computacional e matemática associada a uma função de perda, que tem papel central no aprendizado.

“Na fase de treinamento é utilizada uma grande quantidade de dados rotulados ou conhecidos, que servem como exemplos para o aprendizado”, explica João Macedo. “Para cada exemplo ou grupo de exemplos processados pela rede, a função de perda é utilizada para registrar os erros e determinadas propriedades desejáveis da rede. Em seguida, esses valores são utilizados para ajustar os pesos, aprimorando o aprendizado. O processo é repetido até que a rede atinja nível de resposta adequado.”

Ainda de acordo com o pesquisador, diferentemente do que ocorre com as redes neurais comuns, as CNN possuem um mecanismo de compartilhamento de pesos por diversos neurônios. Essa característica, associada à sua arquitetura peculiar e a outras particularidades, possibilita explorar as relações espaciais dos dados de imagens, o que, em parte, justifica sua utilização extensiva em tarefas de classificação de imagens e vídeos, entre outras.

A análise de cada arquivo de imagem dura cerca de 0,4 segundo (0,06s para classificação de pornografia, 0,32s para detecção de faces e 0,02s para estimativa de idade). A aplicação do método de detecção em vídeos se dá por meio de processo de amostragem e classificação de quadros, resultando na seleção dos quadros mais significativos para o propósito da investigação.

Segundo João Macedo, o método de estimativa de idade desenvolvido atualmente classifica as faces em faixas de idade, como a de 15 a 22 anos. “No futuro, chegaremos a uma estimativa mais precisa, com idades mais próximas ao limite da restrição legal para a tipificação de crime”, prevê o pesquisador, acrescentando que o foco da técnica estará também na identificação com base na análise de partes do corpo – é comum, nesse tipo de imagem, a oclusão dos rostos.

Tema sensível
Para o orientador da pesquisa, professor Jefersson Alex dos Santos, a importância do trabalho desenvolvido por um policial federal deve-se, entre outras razões, ao fato de tratar-se de material inacessível a pesquisadores. Segundo ele, outros estudos já foram feitos no DCC sobre o tema da pornografia, mas agora foi possível testar um método em situações reais que envolvem crianças e adolescentes.

“Foi gerado um conjunto de dados que contempla diversas situações e tipos diferentes de dificuldades, criadas, por exemplo, além da oclusão, por imagens de qualidade inferior, frequentes nesse universo.” Um desafio, a partir de agora, ele diz, é enriquecer ainda mais o conjunto de dados com o objetivo de melhorar o aprendizado do sistema.

João Macedo lembra que o combate à distribuição de pornografia infantil envolve agências policiais, organizações não governamentais e empresas em todo o mundo. “A automatização é importante porque é enorme a quantidade de dados que podem ser armazenados nos celulares e outros dispositivos”, afirma o pesquisador. Segundo ele, a realização de boa parte desse trabalho pela máquina, além de poupar tempo, contribui para reduzir o forte impacto psicológico e o estresse causados pela exposição de profissionais a material pornográfico com crianças.

Dissertação: Detecção de pedofilia baseada em estimativa de idade de faces 
Autor: João José de Macedo Neto
Orientador: Jefersson Alex dos Santos
Defesa: 12 de março de 2019, no Programa de Pós-graduação em Ciência da Computação