来自社交媒体的（未）戴口罩 COVID-19 趋势
计算机视觉与模式识别
2021-07-12 v3 图像与视频处理
摘要
戴口罩是一种针对 COVID-19 的有效防护方法，该疫情已在全球造成广泛的经济与社会影响。世界各地政府出台了使用口罩的强制规定，这些规定引发了正面与负面的反应。在线社交媒体为研究口罩使用并分析潜在的戴口罩模式提供了一个令人振奋的平台。在本文中，我们分析了六个美国城市的 204 万张社交媒体图像。随着 COVID-19 病例数的上升，图像中戴口罩的比例出现增长，尤其是在各州实施严格管控措施时。我们还发现，随着居家令的颁布，群体照片的发布量有所下降。此外，我们分析了“黑人的命也是命”抗议活动中的口罩遵守情况，发现群体照片中 40% 的人戴了口罩，其中 45% 的人所戴口罩的贴合度评分大于 80%。我们引入了两个新数据集：VAriety MAsks - Classification (VAMA-C) 和 VAriety MAsks - Segmentation (VAMA-S)，分别用于口罩检测与口罩贴合度分析任务。在分析中，我们构建了两个框架：人脸口罩检测器（用于分类戴口罩与未戴口罩的人脸）和口罩贴合度分析器（一种基于语义分割的模型，用于计算口罩贴合度评分）。人脸口罩检测器达到了 98% 的分类准确率，而用于口罩贴合度分析器的语义分割模型达到了 98% 的交并比（IOU）得分。我们得出结论，此类框架可用于在疫情期间借助社交媒体平台评估公共卫生策略的有效性。
引用
@article{arxiv.2011.00052,
title = {(Un)Masked COVID-19 Trends from Social Media},
author = {Asmit Kumar Singh and Paras Mehan and Divyanshu Sharma and Rohan Pandey and Tavpritesh Sethi and Ponnurangam Kumaraguru},
journal= {arXiv preprint arXiv:2011.00052},
year = {2021}
}