GET-AID：通过全局情感特质视觉识别人权侵犯
计算机视觉与模式识别
2019-02-12 v1
摘要
在社交媒体和大数据时代，利用视觉证据记录冲突和人权侵犯已成为人权组织和倡导者的重要元素。本文中，我们解决在具有挑战性的日常照片中检测两类人权侵犯的任务：（1）童工，和（2）流离失所人口。我们提出了一种由以人为中心的方法驱动的新模型。我们的假设是，一个人的情感状态——情感有多积极或愉悦，以及该人对情境的控制水平——是感知潜在人权侵犯的有力线索。为利用这些线索，我们的模型基于对每个被检测人物及整个场景的联合分析，学习预测给定图像上的全局情感特质。通过将这些预测与数据驱动的卷积神经网络（CNN）分类器集成，我们的系统在一个简洁的端到端系统中高效推断潜在人权侵犯，我们称之为 GET-AID（取自 Global Emotional Traits for Abuse IDentification）。我们进行了大量实验，在最近引入的人权档案（HRA）数据集子集（2 个侵犯类别，正负样本数量相同）上验证我们的方法，并定量展示了引人注目的结果。与先前工作及单独使用 CNN 分类器相比，本文对童工的覆盖率提升达 23.73%，对流离失所人口达 57.21%。我们的数据集、代码和训练模型可在 https://github.com/GKalliatakis/GET-AID 在线获取。
引用
@article{arxiv.1902.03817,
title = {GET-AID: Visual Recognition of Human Rights Abuses via Global Emotional Traits},
author = {Grigorios Kalliatakis and Shoaib Ehsan and Maria Fasli and Klaus D. McDonald-Maier},
journal= {arXiv preprint arXiv:1902.03817},
year = {2019}
}
备注
10 pages, 6 figures