在Instagram和TikTok上使用计算机视觉对电子烟产品进行可扩展监控
Julia Vassey1, Chris J Kennedy2,3, Ho-Chun Herbert Chang4,5
1Department of Population and Public Health Sciences, University of Southern California, Los Angeles, CA, USA.
概括
一种新的计算机视觉模型可以在社交媒体图像和视频中自动检测电子烟产品. 这项技术有助于监控在线烟草营销,并减少青少年接触电子烟内容.
科学领域:
- 烟草监管科学 烟草监管科学
- 计算机视觉 计算机视觉
- 社交媒体分析 社交媒体分析
背景情况:
- 尽管有反对电子烟的政策,但Instagram和TikTok等社交媒体平台都提供了大量电子烟内容.
- 之前关于电子烟社交媒体内容的研究依赖于定性或基于文本的方法.
- 青少年是接触这种在线内容的关键人口统计.
研究的目的:
- 开发基于图像的计算机视觉模型,用于在社交媒体内容中识别电子烟产品.
- 在TikTok和Instagram等平台上自动监控视觉电子烟促销活动.
- 为烟草监管科学提供数据,并为内容调节政策提供信息.
主要方法:
- 创建了一个由6999个Instagram图像组成的数据集,并对8个对象类进行了标签.
- 训练了一种DyHead物体检测模型,具有Swin-Large骨干.
- 该模型在20个视频中进行了评估,并应用于2019-2022年的14000多个TikTok视频.
主要成果:
- 计算机视觉模型在检测电子果汁容器 (0.89) 和尼古丁警告标签 (0.86) 中取得了高精度.
- 在TikTok上,Pod设备的普及率增加了15% (2019-2022),电子果汁增加了33% (2021-2022).
- 电子烟品牌和风味名称在2019年至2022年期间的流行率增加了100%.
结论:
- 深度学习对象检测为在线视觉烟草相关内容提供了自动化,可扩展的监控.
- 开发的模型为烟草监管科学提供了有价值的数据.
- 计算机视觉可以帮助社交媒体平台迅速识别和删除烟草图像,减少年轻人的暴露.
更多相关视频
10:44Comparing the Effects of Electronic Cigarette Vapor and Cigarette Smoke in a Novel In Vivo Exposure System
Published on: May 24, 2017
11.5K
08:39Generation of Electronic Cigarette Aerosol by a Third-Generation Machine-Vaping Device: Application to Toxicological Studies
Published on: August 25, 2018
25.6K
