HOD：一个用于有害物体检测的基准数据集
计算机视觉与模式识别
2023-10-10 v1
摘要
近期的图像和视频等多媒体数据已在社交网络服务（SNS）等各类在线服务上迅速传播。随着在线媒体服务的爆发式增长，可能危害用户的图像内容数量也呈指数级增长。因此，Facebook 和 Instagram 等大多数近期在线平台已采用内容过滤系统，以防止有害内容的泛滥并降低对用户产生不良影响的潜在风险。遗憾的是，关于检测有害内容的计算机视觉研究尚未引起足够关注。各平台的用户仍在接触到有害内容时手动点击举报按钮以识别其不喜欢的有害内容模式。然而，手动举报的问题在于用户已经暴露于有害内容。为解决这些问题，我们在本工作中的研究目标是为在线服务开发自动有害物体检测系统。我们提出了一个新的用于有害物体检测的基准数据集。与大多数聚焦于一小部分物体类别的相关研究不同，我们的数据集涵盖了多种类别。具体而言，我们提出的数据集包含超过 10,000 张图像，涵盖 6 个可能有害的类别，既包含正常情况，也包含难以检测的困难情况。此外，我们进行了大量实验以评估所提数据集的有效性。我们采用了近期提出的最先进（SOTA）物体检测架构，并证明我们所提数据集对实时有害物体检测任务非常有用。全部源代码与数据集可在 https://github.com/poori-nuna/HOD-Benchmark-Dataset 公开获取。
引用
@article{arxiv.2310.05192,
title = {HOD: A Benchmark Dataset for Harmful Object Detection},
author = {Eungyeom Ha and Heemook Kim and Sung Chul Hong and Dongbin Na},
journal= {arXiv preprint arXiv:2310.05192},
year = {2023}
}
备注
13 pages