一种识别街景图像中不健康广告的深度学习方法
计算机与社会
2021-02-09 v2 机器学习
摘要
虽然户外广告是城镇中的常见特征，但它们可能加剧健康方面的社会不平等。贫困地区的弱势群体可能更多地暴露于鼓励其消费的快餐、赌博和酒精广告。了解谁暴露于此以及评估潜在的政策限制需要大量的人工数据收集工作。为解决这一问题，我们开发了一种深度学习工作流，以从街景图像中自动提取并分类不健康广告。我们引入了 Liverpool 360 Street View (LIV360SV) 数据集来评估我们的工作流。该数据集包含 25,349 张 360 度街景图像，这些图像是于 2020 年 1 月 14 日至 18 日期间通过骑行搭载 GoPro Fusion 相机收集的。共识别并分类了 10,106 个广告，分为食品 (1335)、酒精 (217)、赌博 (149) 和其他 (8405) (例如汽车和宽带)。我们发现了社会不平等的证据，较大比例的食品广告位于贫困地区和学生经常光顾的区域。我们的项目提出了一种对街景图像进行附带分类以识别不健康广告的新颖实现，提供了一种手段来识别那些可以通过更严格的广告限制政策中受益的区域，以解决社会不平等问题。
引用
@article{arxiv.2007.04611,
title = {A deep learning approach to identify unhealthy advertisements in street view images},
author = {Gregory Palmer and Mark Green and Emma Boyland and Yales Stefano Rios Vasconcelos and Rahul Savani and Alex Singleton},
journal= {arXiv preprint arXiv:2007.04611},
year = {2021}
}
备注
13 pages, 5 figures, 3 table. To appear in Nature Scientific Reports