图像中侵犯人权行为的检测：卷积神经网络能否提供帮助？
计算机视觉与模式识别
2017-03-17 v2
摘要
在为图像、视频、语音和音频处理设定了性能基准之后，深度卷积网络已成为近期图像识别任务中取得最大进展的核心。这引出了一个问题：将这些卓越的深度架构应用于通过数字图像识别侵犯人权行为这一尚未尝试的任务，是否会有益处？基于这一视角，我们引入了一个新的、采样充分且以人权为中心的数据集，称为人权理解数据集（Human Rights Understanding, HRUN）。我们将该数据集与不同的最先进深度卷积架构相结合，在统一基准上进行了严格评估，以实现对侵犯人权行为的识别。在HRUN数据集上的实验结果表明，性能最佳的CNN架构平均精度均值可达88.10%。此外，我们的实验证明，增加训练样本的大小对于提高平均精度均值至关重要，尤其是在使用非常深的网络时。
引用
@article{arxiv.1703.04103,
title = {Detection of Human Rights Violations in Images: Can Convolutional Neural Networks help?},
author = {Grigorios Kalliatakis and Shoaib Ehsan and Maria Fasli and Ales Leonardis and Juergen Gall and Klaus D. McDonald-Maier},
journal= {arXiv preprint arXiv:1703.04103},
year = {2017}
}
备注
In Proceedings of the 12th International Conference on Computer Vision Theory and Applications (VISAPP 2017), 8 pages