构建用于暗模式检测的UI/UX数据集及基于YOLOv12x的实时目标识别检测系统
计算机视觉与模式识别
2025-12-23 v1
摘要
随着数字化转型步伐的加快和在线平台的广泛采用，关于暗模式（即削弱用户做出知情和理性选择能力的用户界面设计）的社会和技术关注已日益突出。随着企业在线平台的设计策略日益复杂，迫切需要超越监管机构主要采用的被动式方法，转向主动和实时的检测技术。在本文中，我们提出了一种视觉暗模式检测框架，该框架提高了检测精度和实时性能。为此，我们通过手动收集来自韩国和国外六大工业领域194个网站的4,066张包含暗模式的UI/UX截图，构建了一个专有的视觉目标检测数据集。收集的图像标注了五种通常与暗模式相关的代表性UI组件：按钮、复选框、输入字段、弹出窗口和二维码。该数据集已公开发布，以支持该领域的进一步研究和开发。为了实现实时检测，本研究采用了YOLOv12x目标检测模型，并应用迁移学习来优化其在视觉暗模式识别中的性能。实验结果表明，所提出的方法在mAP@50方面达到了92.8%的高检测精度，同时保持了40.5帧/秒（FPS）的实时推理速度，证实了其在在线环境中实际部署的有效性。此外，为促进未来研究和技术进步，本研究中构建的数据集已在https://github.com/B4E2/B4E2-DarkPattern-YOLO-DataSet公开提供。
引用
@article{arxiv.2512.18269,
title = {Building UI/UX Dataset for Dark Pattern Detection and YOLOv12x-based Real-Time Object Recognition Detection System},
author = {Se-Young Jang and Su-Yeon Yoon and Jae-Woong Jung and Dong-Hun Lee and Seong-Hun Choi and Soo-Kyung Jun and Yu-Bin Kim and Young-Seon Ju and Kyounggon Kim},
journal= {arXiv preprint arXiv:2512.18269},
year = {2025}
}
备注
7page