用于辅助从儿童贩卖图像中识别学校的机器学习流水线
计算机视觉与模式识别
2021-06-10 v1
摘要
儿童贩卖是世界范围内的严重问题。全球每年有超过400万儿童贩卖受害者，其中许多遭受儿童性剥削。我们与英国警方及专注于防止虐待儿童的非营利组织 Global Emancipation Network 合作，开发了一个概念验证机器学习流水线，以辅助从截获图像中识别儿童。在这项工作中，我们专注于包含穿校服儿童的图像，以识别其来源学校。在缺乏机器学习流水线的情况下，这一极其耗时且劳动密集的任务由执法人员手动完成。因此，通过自动化学校识别过程的各个方面，我们希望显著影响这部分儿童识别的速度。我们提出的流水线由两个机器学习模型组成：i) 识别儿童图像中是否含有校服，以及 ii) 识别不同校服物品（如衬衫、毛衣、西装外套等的颜色/纹理）的属性。我们描述了数据收集、标注、模型开发与验证过程，以及利用模型预测高效搜索学校的策略。
引用
@article{arxiv.2106.05215,
title = {A machine learning pipeline for aiding school identification from child trafficking images},
author = {Sumit Mukherjee and Tina Sederholm and Anthony C. Roman and Ria Sankar and Sherrie Caltagirone and Juan Lavista Ferres},
journal= {arXiv preprint arXiv:2106.05215},
year = {2021}
}