Találati lista | Tudóstér

001-es BibID:	BIBFORM118938
035-os BibID:	(Cikkazonosító)1326050
Első szerző:	Lakatos Róbert (informatikus)
Cím:	A multimodal deep learning architecture for smoking detection with a small data approach / Róbert Lakatos, Péter Pollner, András Hajdu, Tamás Joó
Dátum:	2024
ISSN:	2624-8212
Megjegyzések:	Covert tobacco advertisements often raise regulatory measures. This paper presents that artificial intelligence, particularly deep learning, has great potential for detecting hidden advertising and allows unbiased, reproducible, and fair quantification of tobacco-related media content. We propose an integrated text and image processing model based on deep learning, generative methods, and human reinforcement, which can detect smoking cases in both textual and visual formats, even with little available training data. Our model can achieve 74% accuracy for images and 98% for text. Furthermore, our system integrates the possibility of expert intervention in the form of human reinforcement. Using the pre-trained multimodal, image, and text processing models available through deep learning makes it possible to detect smoking in different media even with few training data.
Tárgyszavak:	Természettudományok Matematika- és számítástudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk AI supported preventive healthcare pre-training with generative AI multimodal deep learning automated assessment of covert advertisement few-shot learning smoking detections
Megjelenés:	Frontiers in Artificial Intelligence. - 7 (2024), p. 1-8. -
További szerzők:	Pollner Péter Hajdu András (1973-) (matematikus, informatikus) Joó Tamás
Pályázati támogatás:	GINOP-2.3.2-15-2016-00005 GINOP TKP2021-NKTA-34 Egyéb KDP-2021 Egyéb RRF-2.3.1-21-2022-00006 Egyéb
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: