随着互联网的快速发展,社交媒体的不断更新,图像的共享已经成为了许多社交网络平台的重要功能。通过共享图像,人们获取资讯,获取知识。但是许多社交媒体上传播的图像有意无意地传播着歧视的态度。这类图像的出现和传播影响着人与人的关系,对社会的和谐和青少年的成长也产生了不利影响。图像歧视具有多样性,对图像中的敏感区域进行检测,在保证图像基本语义的基础上,替换歧视区域,即面向无歧视的图像合成方法的研究具有重要意义。本文针对歧视中的肢体语言歧视,开展的主要研究工作如下:(1)根据目前主流的肢体语言歧视类别,分析歧视的两种表现形式:当面表现型和背后指向型,将肢体语言歧视分为八类,将对歧视产生干扰的非歧视内容分为八类,自主构建歧视和非歧视数据集,并完成数据的标注工作,包括对数据集中人体的框取、脸部和手部的框取。(2)数据集中歧视的种类较多且复杂,并且歧视关系往往是由手势和表情等多个对象共同构成,只对单个对象进行检测容易导致错检结果的出现,因此传统的目标检测方法不能对歧视敏感区域进行有效提取。本文提出了一种歧视敏感对象检测的方法,通过Faster R-CNN和ResNet网络的结合,有效实现歧视敏感对象的初步检测,并通过类激活图(Class Activation Map,CAM)验证模型有效性,对初步检测结果中的冗余图像进行了筛选,通过实验验证了方法的有效性。(3)针对于歧视敏感对象,本文提出了基于CycleGAN的表情替换方法和基于InstaGAN的手势替换方法,能够实现对歧视敏感对象的有效替换。通过实验,验证了针对歧视敏感对象的替换方法的有效性。