Abstract
С развитием информационных технологий и социальных сетей увеличился риск распространения экстремистского контента, что угрожает общественной безопасности. Особенно это касается визуального контента (графика, фотографии, видео), который широко используется для распространения радикальных идеологий. Для эффективного контроля необходимо применение современных технологий, в частности методов машинного обучения и нейросетей. Статья посвящена исследованию этапов предварительной обработки графического контента для улучшения качества распознавания экстремистских материалов с помощью нейросетевых технологий. Подготовка данных, включая удаление шумов, нормализацию изображений и выделение особенностей, играет ключевую роль в повышении точности работы алгоритмов. Рассматриваются методы обработки изображений, такие как фильтрация и сегментация, и их влияние на результаты обучения нейросетей. Предложенный подход улучшает обнаружение экстремистского контента в социальных сетях, способствуя более эффективной борьбе с угрозами безопасности. Эксперименты показали, что использование передовых методов обработки изображений вместе с нейросетевыми моделями значительно повышает точность и надежность распознавания экстремистских материалов.