DisplaceNet：利用主导程度从图像中识别流离失所者
计算机视觉与模式识别
2019-05-07 v1
摘要
每年有数百万男性、女性和儿童被迫离开家园，躲避战争、人权侵犯、迫害和自然灾害。2017 年全年，被迫流离失所者以每日 44,400 人的创纪录速率增加，使累计总数在年末达到 6850 万，超过了英国的总人口。多达 85% 的被迫流离失所者在低收入和中等收入国家寻求庇护，呼吁全球加大人道主义援助。为减少人权相关图像分析所需的人工劳动，我们提出 DisplaceNet，一种通过将对情境的控制主导程度与传统卷积神经网络(CNN)分类器整合进统一图像分类框架来从图像推断潜在流离失所者的新颖模型。实验结果表明，DisplaceNet 相比单独使用 CNN 分类器实现了高达 4% 的覆盖度（分类器能够给出预测的数据集比例）增益。我们的数据集、代码和训练模型将在 https://github.com/GKalliatakis/DisplaceNet 在线提供。
引用
@article{arxiv.1905.02025,
title = {DisplaceNet: Recognising Displaced People from Images by Exploiting Dominance Level},
author = {Grigorios Kalliatakis and Shoaib Ehsan and Maria Fasli and Klaus McDonald-Maier},
journal= {arXiv preprint arXiv:1905.02025},
year = {2019}
}
备注
To be published in CVPR Workshop on Computer Vision for Global Challenges (CV4GC). arXiv admin note: substantial text overlap with arXiv:1902.03817