PolyMeme:微粒度的互联网模因感应
Vasileios Arailopoulos1, Christos Koutlis2, Symeon Papadopoulos2
1School of Electrical & Computer Engineering, Aristotle University of Thessaloniki, 54124 Thessaloniki, Greece.
Sensors (Basel, Switzerland)
|September 14, 2024
概括
本研究介绍了PolyMeme,这是一个用于自动检测互联网meme的多样化数据集. 新的数据集和深度学习模型在识别meme内容方面实现了高精度,有助于跟踪有害的在线信息.
科学领域:
- 计算机科学 计算机科学
- 社交媒体分析 社交媒体分析
- 人工智能的人工智能
背景情况:
- 互联网meme是一种在社交媒体上流行的多式联络数字内容格式.
- 自动meme检测对于跟踪趋势和有害内容传播至关重要.
- 现有的数据集在meme格式,风格和内容方面缺乏多样性.
研究的目的:
- 介绍一下PolyMeme数据集,这是一个多样化的集合,包含四个类别的约2.7万个meme.
- 为了解决现有数据集在捕获meme种类中的局限性.
- 开发和评估深度学习模型,以准确检测模因.
主要方法:
- 从Reddit收集了大约27000个meme,并对它们进行了分类.
- 手动标记数据集的一部分用于培训和验证.
- 训练有素的深度学习网络 (ResNet,ViT) 使用PolyMeme数据集和其他图像数据集进行模因检测.
主要成果:
- 在PolyMeme上训练的深度学习模型在分类方面估计达到了7.35%的错误率.
- 模因检测模型的准确性很高,在测试组中达到98%.
- 包含正规图像和文本并没有显著改善meme检测性能.
结论:
- PolyMeme数据集通过考虑各种meme格式来增强meme检测能力.
- 通过先进的深度学习技术和全面的数据集,精确的自动meme检测是可行的.
- 这项工作有助于更好地理解和缓解在线错误信息和通过meme传播有害内容的传播.
