因为图片质量差，拍摄角度限制，和不同酒店房间相似的物品，从酒店房间的图像中识别出酒店是人口贩卖调查中的一项挑战。为了支持这一任务，我们提供了一个包括 50,000 家酒店中超过 1,000,000 张图像的数据集，并采用了一些数据增强方法，运用标准的网络架构来进行基准测试。

Jan, 2019

本文提出了针对酒店识别领域中的 Hotels50K 和 Hotel-ID 两个数据集的更新版本，以提供不同难度等级的评估设置，以更好地适应于拟定的真实应用领域，从而在对抗人口贩卖中起到作用。通过多种最先进的图像检索模型对此设置进行测试，结果显示，正如预期，模型性能随着评估逐渐接近真实世界的未知情况而下降。最佳模型排名也会随着不同的评估设置而改变，这进一步推动使用所提出的更新版本数据集。

Jul, 2022

介绍了 IDTraffickers 数据集及其在在线伴游市场中验证和识别潜在人口贩卖供应商的作用，通过训练 DeCLUTR-small 模型实现了 0.8656 的宏 F1 得分和 0.8852 的平均 r-precision 得分，旨在促进进一步研究并确保负责任的数据共享，以便将伴游广告与人口贩卖迹象的识别联系起来。

Oct, 2023

本研究运用来自 “Backpage” 网站的文本数据，利用扩展的 Laplacian SVM 中添加正则化项的 S3VM-R 方法，结合监督和半监督学习，成功识别高度关注的人口贩运在线广告，是一种有效的打击人口贩卖犯罪的方法。

May, 2017

本研究通过对 Backpage 网站上与人口贩运相关的在线活动展开分析，采用半监督式学习方法，依靠所提取的带标签和未标签数据进行训练。该方法经过专家的进一步验证并在未见过的数据集上进行评估。

Jul, 2016

本文介绍了一种完整的方法来评估人物重新识别方法及其训练数据集在无监督实时操作方面的适用性，并以三个数据集为基准测试了四种方法，提供指南以帮助未来设计更好的人物重新识别流水线。

Dec, 2022

本文提出了一个新的数据集（HRDsAttack），其中包括约 500 篇在线新闻文章的众包注释，以检测和总结对人权捍卫者的攻击特征，并使用它来训练和评估基线模型以预测注释特征。

Jun, 2023

采用代理标签的实体分辨管道从在线论坛中提取人类贩卖活动数据，并应用于 5M 条记录的 Backpage.com 数据，并报告了其性能的挑战和领域特定特征

Sep, 2015

该论文使用整数线性规划模型，结合上下文、限制条件和开放的地理名称知识库来提高人口贩卖定位标记的精度和 F - 度量。实验结果表明，相比于基于机器学习的基线，该框架可提高 28.57％的精度和 36.9％的 F - 度量。这种方法已被广泛应用于美国执法部门，以打击人口贩卖。

Apr, 2017

我们研究了构建数据集以了解组织活动和人类贩卖主题风险的挑战，包括数据稀缺性、迅速过时和隐私问题。我们开发了可重现和自动化的方法分析了五百万个广告，并在此过程中发现了在该敏感领域中创建数据集的进一步挑战。本文提出了一种简化的方法来帮助研究人员构建有效的数据集以打击有组织犯罪，使他们能够专注于提升检测技术。

May, 2024