相关实验视频
Updated: Jul 1, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
一个多式联网深度学习架构用于吸烟检测,采用小数据方法
Róbert Lakatos1,2,3, Péter Pollner4, András Hajdu2
1Doctoral School of Informatics, University of Debrecen, Debrecen, Hungary.
Frontiers in artificial intelligence
|March 14, 2024
概括
人工智能,特别是深度学习,可以在文本和图像中检测隐藏的烟草广告. 这项技术提供了准确,公正的媒体内容分析,即使数据有限.
科学领域:
- 计算语言学计算语言学
- 媒体研究 媒体研究
- 人工智能的人工智能是人工智能.
背景情况:
- 隐蔽的烟草广告带来了监管挑战.
- 需要准确量化烟草介质的含量.
- 现有的方法可能缺乏客观性和可重复性.
研究的目的:
- 开发一个AI模型来检测隐藏的烟草广告.
- 为了实现烟草介质的公正和可重复量化.
- 为了应对检测模型中有限的培训数据的挑战.
主要方法:
- 一个集成的深度学习模型,结合文本和图像处理.
- 利用生成方法和人类强化学习.
- 雇佣了经过预先培训的多式联络,图像和文本处理模型.
主要成果:
- 在图像中检测吸烟的准确度达到了74%.
- 在检测文本中的吸烟时,获得了98%的准确性.
- 即使使用最小的培训数据,也证明了有效性.
结论:
- 深度学习模型可以有效地检测隐藏的烟草广告.
- 拟议的系统提供准确和可重复的媒体内容分析.
- 整合人力增强可以提高模型的性能和适应性.
