Instagram 上水烟（hookah）的自动识别：卷积神经网络与支持向量机分类的特征提取应用
计算机视觉与模式识别
2018-10-23 v1
摘要
背景：Instagram 每天有数百万条帖子，可用于指导公共卫生监测目标与政策。然而，当前依赖图像数据的研究往往需要对图像进行人工编码，耗时且昂贵，最终限制了研究范围。当前自动图像分类的最佳实践（如支持向量机（SVM）、反向传播（BP）神经网络和人工神经网络）在准确区分图像中物体方面能力有限。目的：本研究展示如何使用卷积神经网络（CNN）提取图像中的独特特征，以及如何使用 SVM 对图像进行分类。方法：从 Instagram 收集水烟或 hookah（一种新兴烟草产品，危害与香烟相似）图像并用于分析（n=840）。CNN 用于从已识别含水管烟的图像中提取独特特征。构建 SVM 分类器以区分含与不含水烟的图像。随后比较图像分类方法，展示 CNN + SVM 分类器如何提高准确率。结果：随着已验证训练图像数量增加，提取特征总数增加。此外，随着 SVM 分类器学习到的特征数量增加，平均准确率提升。总体而言，420 张分类图像中 99.5% 被正确识别为水烟或非水烟图像。该准确率优于此前单独使用 SVM、CNN 或词袋特征（BOF）的方法。结论：CNN 提取了更多图像特征，使 SVM 分类器获得更充分信息，从而相比提取特征较少的方法准确率更高。未来研究可使用该方法拓展基于图像的研究范围。
引用
@article{arxiv.1810.08881,
title = {Automated identification of hookahs (waterpipes) on Instagram: an application in feature extraction using Convolutional Neural Network and Support Vector Machine classification},
author = {Youshan Zhang and Jon-Patrick Allem and Jennifer B. Unger and Tess Boley Cruz},
journal= {arXiv preprint arXiv:1810.08881},
year = {2018}
}
备注
Journal of Medical Internet Research