MEDIC：面向灾害图像分类的多任务学习数据集
计算机视觉与模式识别
2023-06-05 v4 计算机与社会
机器学习
社会与信息网络
摘要
灾害信息学近期的研究展示了人工智能基于社交媒体内容（文本与图像）在自然灾害中挽救生命与减轻苦难的实用且重要的用例。尽管利用文本已取得显著进展，基于图像的研究仍相对未被充分探索。为推进基于图像的方法，我们提出MEDIC（地址：https://crisisnlp.qcri.org/medic/index.html），这是用于人道主义响应的最大社交媒体图像分类数据集，包含71,198张图像，以多任务学习设置应对四项不同任务。这是此类首个数据集：社交媒体图像、灾害响应与多任务学习研究。该数据集的一个重要特性是其促进多任务学习研究的极高潜力，多任务学习近期备受机器学习界关注，并在内存、推理速度、性能与泛化能力方面展现出卓越成果。因此，所提数据集是推进基于图像的灾害管理与多任务机器学习研究的重要资源。我们尝试了不同深度学习架构并报告了有前景的结果，均高于所有任务的多数类基线。随数据集我们同时发布了所有相关脚本（https://github.com/firojalam/medic）。
引用
@article{arxiv.2108.12828,
title = {MEDIC: A Multi-Task Learning Dataset for Disaster Image Classification},
author = {Firoj Alam and Tanvirul Alam and Md. Arid Hasan and Abul Hasnat and Muhammad Imran and Ferda Ofli},
journal= {arXiv preprint arXiv:2108.12828},
year = {2023}
}
备注
Multi-task Learning, Social media images, Image Classification, Natural disasters, Crisis Informatics, Deep learning, Dataset