每年，数以百万计的男性、女性和儿童被迫离开家园，寻求躲避战争、人权侵犯、迫害和自然灾害的庇护。2017年，被迫流离失所的人数以每天44,400人的创纪录速度增长，到年底累计总数达到6850万人，超过了英国的总人口。多达85%的被迫流离失所者在低收入和中等收入国家找到了避难所，这呼吁全球范围内增加人道主义援助。为了减少人权相关图像分析所需的手动劳动量，我们引入了一种新的模型——DisplaceNet，该模型通过将情况的控制水平与传统的卷积神经网络（CNN）分类器整合到一个框架中来进行图像分类，从而推断出潜在的流离失所人员。实验结果表明，DisplaceNet在覆盖率方面比单独使用CNN分类器提高了4%，这里的覆盖率是指分类器能够对数据集中的部分进行预测的比例。我们的数据集、代码和训练好的模型将在以下网址在线提供：https://github.com/GKalliatakis/DisplaceNet。