计算机视觉模型用于在社交媒体上检测大型雪茄.

科学领域:

• 数字健康数字健康
• 计算机视觉 计算机视觉
• 公共卫生 公共卫生

背景情况:

• 大型雪茄在社交媒体上受到大量宣传,需要自动化监控方法.
• 目前在线追踪烟草产品的现有方法的可扩展性有限.
• 在数字平台上监控大量雪茄内容是非常必要的.

研究的目的:

• 训练和验证计算机视觉模型用于自动化大型雪茄检测.
• 评估模型在将大型雪茄与其他物体区分的准确性.
• 建立一个可扩展的解决方案,以在线监控研究不足的烟草产品.

主要方法:

• 使用了你只看一次版本7 (YOLOv7) 计算机视觉模型.
• 在Reddit上训练了该模型的876个大型雪茄图像和1526个非雪茄图像.
• 使用回忆,精度和F1分数评估性能,数据分为训练和测试.

主要成果:

• 计算机视觉模型实现了高精度,回忆率为0.98,精度为0.99,F1得分为0.98.
• 该模型在区分大型雪茄和类似形状的物体方面表现出97%的准确性.
• 有效地减少了假阳性,在不同情况下正确识别大型雪茄.

结论:

• 开发的计算机视觉模型准确地检测到社交媒体上的大型雪茄,作为一个可扩展的自动监控工具.
• 这项技术可以加强烟草产品的识别,支持有关使用模式和营销的研究,并为监管政策提供信息.
• 该模型代表了一种新的烟草监测方法,对公共卫生倡议和预防烟草开始至关重要.