DisplaceNet: 画像から移住者を識別するための優位性レベルの活用

毎年、何百万人もの男性、女性、そして子供たちが、戦争、人権侵害、迫害、および自然災害から逃れるために自宅を追われています。2017年には、強制的に移動を余儀なくされた人々の数が1日に44,400人の記録的なペースで増加し、年末時点での累積総数は6850万人に達しました。これはイギリスの総人口を上回る数字です。強制的に移動した人々のうち最大85%が低所得国と中所得国の避難所を見つけていることから、世界中のより多くの人道的支援が必要となっています。人権関連画像分析に必要な手作業を軽減するために、私たちはDisplaceNetという新しいモデルを導入します。このモデルは状況のコントロールレベルと従来の畳み込みニューラルネットワーク（CNN）分類器を統合して画像分類を行うフレームワークであり、潜在的な被移動者を画像から推定します。実験結果は、DisplaceNetが単独のCNN分類器を使用する場合よりも最大4%のカバレッジ（データセットの中で分類器が予測を生成できる割合）向上を達成していることを示しています。私たちのデータセット、コード、および学習済みモデルは以下のURLでオンライン公開されます。https://github.com/GKalliatakis/DisplaceNet.