DisplaceNet : Reconnaissance des personnes déplacées à partir d'images en exploitant le niveau de dominance

Chaque année, des millions d'hommes, de femmes et d'enfants sont contraints de quitter leurs foyers pour chercher refuge face aux guerres, aux violations des droits de l'homme, à la persécution et aux catastrophes naturelles. En 2017, le nombre de personnes déplacées forcées a atteint un rythme record de 44 400 par jour, portant le total cumulé à 68,5 millions à la fin de l'année, dépassant ainsi la population totale du Royaume-Uni. Jusqu'à 85 % des personnes déplacées trouvent refuge dans des pays à faible et moyen revenu, ce qui appelle une assistance humanitaire accrue dans le monde entier. Pour réduire la quantité de travail manuel nécessaire à l'analyse d'images liées aux droits de l'homme, nous présentons DisplaceNet, un modèle novateur qui infère les personnes potentiellement déplacées à partir d'images en intégrant le niveau de contrôle de la situation et un classificateur conventionnel basé sur les réseaux neuronaux convolutifs (CNN) dans un cadre unique pour la classification d'images. Les résultats expérimentaux montrent que DisplaceNet atteint jusqu'à 4 % de gain en couverture — proportion d'un ensemble de données pour lequel un classificateur est capable de produire une prédiction — par rapport à l'utilisation seule d'un classificateur CNN. Notre ensemble de données, nos codes et nos modèles entraînés seront disponibles en ligne sur https://github.com/GKalliatakis/DisplaceNet.