危机期间利用深度学习和感知哈希的社交网络图像自动过滤

社交媒体平台的广泛使用，特别是在灾难期间，为人道主义组织提供了获取态势感知并相应开展救援行动的独特机会。除了文本内容外，人们在灾难发生后的几分钟内会在社交网络上发布海量的图像数据。研究指出了此类在线图像内容对应急响应的重要性。尽管计算机视觉领域近期取得了进展，危机相关的社交媒体图像数据的自动处理仍是一项具有挑战性的任务。这是因为其中大部分由冗余和不相关的内容组成。在本文中，我们提出了一种图像处理流水线，其包含去重和相关性过滤机制，以在危机事件期间实时收集和过滤社交媒体图像内容。在真实世界危机数据集上进行的广泛实验所获得的结果，证明了所提出的流水线对于优化利用人力和机器计算资源的重要性。