Exploring Blind Spots : Inledningsanförande vid Nordiska sociologförbundets 27:e konferens 14–16 augusti 2014

Sociologisk Forsknings digitala arkiv

Hur retusch påverkar skönhetsannonsers attraktion : En studie om målgruppens åsikter och köplust

Tidigare studier som gjorts inom området visade att kvinnor anser att kvinnors skönhet inte är värderad enligt rimliga normer i vårt samhälle. Hård retuschering motarbetas på många håll, bland annat genom att organisationer som ASA (Advertising Standards Authority) och politiska partier som Liberaldemokraterna i Storbritannien arbetar för att missledande retuschering ska försvinna. En studie har visat att det, för att öka annonsers attraktionskraft, är viktigt att den ökade skönheten hos en modell är relevant för produktens användningsområde, då betraktaren anstränger sig intellektuellt vid betraktandet av bilden. Det finns dock inga tidigare studier som bevisar om en retuscherad modell faktiskt ökar målgruppens köplust av skönhetsprodukter vid rådande samhällsattityder och skönhetsideal. Två enkätundersökningar gjordes därför med sammanlagt 1480 deltagare. Produkten i studien var en fiktiv hudkräm. Genom att i den ena undersökningen låta betraktaren möta modellbilden i en situation som efterliknade verkligheten, på så sätt att de inte fick veta om den var retuscherad, kunde studien svara på om retuschering ökade köplusten. Bilder med bortretuscherade skönhetsfläckar och utväxt prefererades. Att retuschera bort flyghår ökade inte köplusten. I den andra jämförande undersökningen kunde betraktaren jämföra den retuscherade med den oretuscherade modellbilden. Resultaten visade att skönhetsfläckar och flyghår tillåts och prefereras borttagna, men inte utväxt. I intervjuer med fem kvinnor hördes målgruppens attityder om vad som ansågs var tillåtet att retuschera. Svaren tydde på att en relevant och försiktig retuschering prefererades. Att lämna några födelsemärken ökade trovärdigheten.

Real time video segmentation for recognising paint marks on bad wooden railway sleepers

Wooden railway sleeper inspections in Sweden are currently performed manually by a human operator; such inspections are based on visual analysis. Machine vision based approach has been done to emulate the visual abilities of human operator to enable automation of the process. Through this process bad sleepers are identified, and a spot is marked on it with specific color (blue in the current case) on the rail so that the maintenance operators are able to identify the spot and replace the sleeper. The motive of this thesis is to help the operators to identify those sleepers which are marked by color (spots), using an “Intelligent Vehicle” which is capable of running on the track. Capturing video while running on the track and segmenting the object of interest (spot) through this vehicle; we can automate this work and minimize the human intuitions. The video acquisition process depends on camera position and source light to obtain fine brightness in acquisition, we have tested 4 different types of combinations (camera position and source light) here to record the video and test the validity of proposed method. A sequence of real time rail frames are extracted from these videos and further processing (depending upon the data acquisition process) is done to identify the spots. After identification of spot each frame is divided in to 9 regions to know the particular region where the spot lies to avoid overlapping with noise, and so on. The proposed method will generate the information regarding in which region the spot lies, based on nine regions in each frame. From the generated results we have made some classification regarding data collection techniques, efficiency, time and speed. In this report, extensive experiments using image sequences from particular camera are reported and the experiments were done using intelligent vehicle as well as test vehicle and the results shows that we have achieved 95% success in identifying the spots when we use video as it is, in other method were we can skip some frames in pre-processing to increase the speed of video but the segmentation results we reduced to 85% and the time was very less compared to previous one. This shows the validity of proposed method in identification of spots lying on wooden railway sleepers where we can compromise between time and efficiency to get the desired result.