論文の概要: A deep learning approach to identify unhealthy advertisements in street view images

• arxiv url: http://arxiv.org/abs/2007.04611v2
• Date: Sun, 7 Feb 2021 19:58:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 05:19:05.541378
• Title: A deep learning approach to identify unhealthy advertisements in street view images
• Title（参考訳）: ストリートビュー画像における不健康広告の同定のための深層学習手法
• Authors: Gregory Palmer, Mark Green, Emma Boyland, Yales Stefano Rios Vasconcelos, Rahul Savani, Alex Singleton
• Abstract要約: 奪われた地域の脆弱な人口は、ファストフード、ギャンブル、アルコールの広告により大きな露出をもたらす可能性がある。 道路レベルの画像から不健康な広告を自動的に抽出し分類するディープラーニングワークフローを開発する。 失業地域や学生が多用する食品広告の比率が高い社会不平等の証拠を見いだす。
• 参考スコア（独自算出の注目度）: 1.6624933615451842
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While outdoor advertisements are common features within towns and cities, they may reinforce social inequalities in health. Vulnerable populations in deprived areas may have greater exposure to fast food, gambling and alcohol advertisements encouraging their consumption. Understanding who is exposed and evaluating potential policy restrictions requires a substantial manual data collection effort. To address this problem we develop a deep learning workflow to automatically extract and classify unhealthy advertisements from street-level images. We introduce the Liverpool 360 Street View (LIV360SV) dataset for evaluating our workflow. The dataset contains 25,349, 360 degree, street-level images collected via cycling with a GoPro Fusion camera, recorded Jan 14th - 18th 2020. 10,106 advertisements were identified and classified as food (1335), alcohol (217), gambling (149) and other (8405) (e.g., cars and broadband). We find evidence of social inequalities with a larger proportion of food advertisements located within deprived areas and those frequented by students. Our project presents a novel implementation for the incidental classification of street view images for identifying unhealthy advertisements, providing a means through which to identify areas that can benefit from tougher advertisement restriction policies for tackling social inequalities.
• Abstract（参考訳）: 屋外広告は町や都市でよく見られる特徴であるが、健康における社会的不平等を強化する可能性がある。 略奪された地域の脆弱な人口は、ファーストフード、ギャンブル、アルコール広告に曝され、消費を促進する可能性がある。 潜在的ポリシー制約の公開と評価を行うには,手作業によるデータ収集が必要になります。 この問題に対処するため,街路レベルの画像から不健康な広告を自動的に抽出・分類するディープラーニングワークフローを開発した。 リバプール360ストリートビュー(LIV360SV)データセットを導入し、ワークフローを評価する。 このデータセットには、2020年1月14日から18日にかけて記録されたGoPro Fusionカメラでサイクリングによって収集された25,349, 360度のストリートレベルの画像が含まれている。 10,106件の広告は、食品(1335件)、アルコール(217件)、ギャンブル(149件)、その他の広告(8405件)に分類された。 不足地域や学生が頻繁に使う食品広告の比率が高い社会不平等の証拠を見いだす。 本稿では,不健康な広告を識別するための街路ビュー画像の同時分類のための新しい実装を提案し,社会的不平等に対処するためのより厳しい広告規制政策の恩恵を受けることができる地域を特定するための手段を提供する。

関連論文リスト

• A method for estimating roadway billboard salience [0.0]
  本研究は,運転者の視点から撮影した画像における道路広告の重要性を考察する。 道路沿いの広告を検出するニューラルネットワークの有効性を評価し、YOLOv5とFaster R-CNNモデルに焦点を当てる。 本研究は,都市高速道路走行中に捉えた視線追跡セッションのデータベースを構築し,サリエンシモデルを評価する。
  論文  参考訳（メタデータ） (2025-01-13T13:56:31Z)
• From Canteen Food to Daily Meals: Generalizing Food Recognition to More Practical Scenarios [92.58097090916166]
  DailyFood-172とDailyFood-16という2つの新しいベンチマークを、毎日の食事から食のイメージをキュレートする。 これらの2つのデータセットは、よく計算された食品画像領域から日常的な食品画像領域へのアプローチの伝達性を評価するために使用される。
  論文  参考訳（メタデータ） (2024-03-12T08:32:23Z)
• To use or not to use proprietary street view images in (health and place) research? That is the question [0.20999222360659603]
  この記事では、ヨーロッパの観点からGoogleストリートビュー画像を使用する際の現在の実践について疑問を呈する。 画像の大量ダウンロードやストリートビュー画像ベースのインデックスの生成を制限するGoogleのサービス規約に懸念があります。
  論文  参考訳（メタデータ） (2024-02-18T08:26:22Z)
• Evaluating the Significance of Outdoor Advertising from Driver's Perspective Using Computer Vision [1.6385815610837167]
  運転者の視点で撮影したビデオにおいて,道路沿いの看板の重要性を評価するパイプラインを提案する。 我々は、視線追跡デバイスを装着して、事前に定義された経路を運転するドライバーが撮影した8つのビデオを含む、新しいBillboardLamacデータセットを収集し、注釈付けした。 YOLOv8検出器と組み合わせて様々な物体追跡手法を評価し,BillboardLamac上で38.5HOTAを達成できる最善のアプローチで広告広告を識別する。
  論文  参考訳（メタデータ） (2023-11-13T15:14:53Z)
• Discrimination through Image Selection by Job Advertisers on Facebook [79.21648699199648]
  求人広告における新たな差別手段の出現状況について検討する。 ターゲティングとデリバリーの両方を組み合わせ、求人広告画像の特定の人口層を不均等に表現したり排除したりする。 私たちはFacebook Ad Libraryを使って、このプラクティスの有病率を実証しています。
  論文  参考訳（メタデータ） (2023-06-13T03:43:58Z)
• LFW-Beautified: A Dataset of Face Images with Beautification and Augmented Reality Filters [53.180678723280145]
  いくつかの操作を含む顔画像のデータベースにコントリビュートする。 画像強調フィルター(コントラストや稲妻を主に修正する)や、動物の鼻や眼鏡などのアイテムを組み込んだ拡張現実フィルターが含まれている。 各データセットには、64×64の4,324枚の画像があり、合計34,592枚の画像がある。
  論文  参考訳（メタデータ） (2022-03-11T17:05:10Z)
• There is a Time and Place for Reasoning Beyond the Image [63.96498435923328]
  画像は人間の目へのピクセルだけでなく、他のソースからのコンテキスト情報から推論、関連付け、推論して、推論することで、より完全な画像を確立することができる。 我々は、ニューヨーク・タイムズ(NYT)から自動的に抽出された16k画像と関連するニュース、時間、位置のデータセットTARAと、WITから離れた監視対象として追加で61k例を紹介した。 我々は、最先端のジョイントモデルと人間のパフォーマンスの間に70%のギャップがあることを示し、これは、セグメントワイズ推論を用いて高レベルな視覚言語ジョイントモデルを動機づける提案モデルによってわずかに満たされている。
  論文  参考訳（メタデータ） (2022-03-01T21:52:08Z)
• Surveilling Surveillance: Estimating the Prevalence of Surveillance Cameras with Street View Data [13.77902229604303]
  我々は、カメラ検出モデルを構築し、世界中の10大都市と6大都市から採取された160万のストリートビュー画像に適用する。 本モデルから推定したリコールを調整した後,道路から見える監視カメラの密度を推定できる。 米国10都市を詳細に分析したところ、カメラは商業地域、工業地域、混成地域、および非白人住民のシェアが高い地区に集中していることがわかった。
  論文  参考訳（メタデータ） (2021-05-04T21:06:01Z)
• Lighting the Darkness in the Deep Learning Era [118.35081853500411]
  低照度画像強調(LLIE)は、照明の弱い環境で撮影された画像の知覚や解釈性を改善することを目的としている。 この分野における最近の進歩は、ディープラーニングベースのソリューションが支配的です。 アルゴリズム分類から未解決の未解決問題まで,さまざまな側面をカバーする包括的な調査を行う。
  論文  参考訳（メタデータ） (2021-04-21T19:12:19Z)
• Repopulating Street Scenes [59.2621467759251]
  そこで本稿では,歩行者や車両などの物体を配置・非人口化・再人口化することにより,街頭シーンの画像を自動的に再構成する枠組みを提案する。 この手法の応用例としては、画像の匿名化によるプライバシー向上、自律運転のような知覚タスクのためのデータ強化などがある。
  論文  参考訳（メタデータ） (2021-03-30T09:04:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。