1. 磐创AI-开放猫官方网站首页
  2. 机器学习
  3. TensorFlowNews

算法警告!该图片涉嫌违规不予显示

点击上方“磐创AI”,选择“置顶公众号”

精品文章,第一时间送达

算法警告!该图片涉嫌违规不予显示

转载自:AI科技大本营,未经允许不得二次转载


一般看到头图,“老司机”立马心领神会,就会猜到这篇文章的主题大致与什么相关。


没错,今天的内容就跟“不可描述”的图片有关,但请别激动,也许没有福利:)


要介绍的项目名称叫 NSFW.JS,英文全称是 Not Safe/Suitable For Work,也就是说不适合工作场所使用。


这其实是一个基于 TensorFlow.js 的色情图片识别项目,说白了就是“审查”色情图片,它的好处是在本地即可识别,即使是那些你无法控制的网络不雅内容,也可以提前帮助进行防御,尤其在保护未成年人健康上网这一点上很有益处。


比如有的网站、或者 App 上,有用户总想尝试上传色情图片,而通过使用 NSFW.JS 则可以提前警告用户禁止上传,如果强行上传,则需要再通过人工审核。


又比如像微博、微信等 App 上卖片的僵尸账号比较泛滥,NSFW.JS 则可以对将要收到该信息的人发出警告,告知他们要查看的内容可能不合适,需要澄清一点,这并不需要服务器处理即可完成操作。


默认情况下,该 JS 库对图像进行分为了以下 5 类:


  • Drawing – 无害的艺术图画,包括动漫

  • Hentai – 色情艺术图,不适合大多数工作环境

  • Neutral – 安全、中性图片

  • Porn – 色情图片,性行为,通常涉及生殖器

  • Sexy – 性感图片,而非色情图片,包括乳头


以下是 Demo 展示,如果默认开启模糊保护,只有当 NSFW.JS 识别图片为 Drawing 和 Neutral 时的比例更高时,意味着可以通过审核进行展示,而将图片识别成其它三类图片的比例更高,图片则自动屏蔽。


算法警告!该图片涉嫌违规不予显示


当然,这是理想状态下的呈现结果,实际上,项目创建者也坦陈,NSFW.JS 现在并不完美,如果你进行测试就会发现,有一些显而易见的误识图片。


用于训练 NSFW 图像分类器的图像数据脚本集合,目前已在 GitHub 获得 8397 个 Star。


喏,数据集地址给你:https://github.com/alexkimxyz/nsfw_data_scraper,还请善加利用:)


项目创建者认为,虽然目前的识别结果中会出现少量偏差,但通常还是很有趣。对于像 NSFW 这样的项目,他觉得目前召回率比精确度更重要,”误识率高一点也比让更危险的东西漏掉要好”。


话虽如此,但还是有掩饰识别准确度不高的嫌疑。创建者此前测试 15,000 个图像集的准确率大约 90%,不过,根据 AI科技大本营亲自测试,整体感觉是误识率较高。对于显而易见的色情图片,该项目识别时非常明了,不过介于“性感”和“色情”的黑色地带,就不太靠谱了,很容易误伤。


其中,以 AI科技大本营测试的二十多张 Monica Bellucci 图片为例,有很多明显不涉及色情的图片都被错误分类,将“性感照”甚至是普通照片分到了“色情”档。


算法警告!该图片涉嫌违规不予显示


相较而言,第一张图片明显漏胸面积更大,第二张明显是很普通的图片,却被分类为“Porn”了。


算法警告!该图片涉嫌违规不予显示


这两张图怎么就是“Porn”了……


算法警告!该图片涉嫌违规不予显示


更令人难以接受的或许是这样的图片被识别为“Porn”,脸都不能漏了?


目前来看,该项目的分类器模型还有很大的提升空间,尤其随着 data scraper 的改进,如果未来识别率有大幅提升,它应该会成为很有潜力的应用项目。这是一个缓慢但却是值得期待的过程。


如何使用 NSFW.JS?


最后附上 NSFW.JS 的操作步骤,简单来说只需三步:

1、获取代码到位

2、在客户端上加载模型

3、对图像进行分类


项目创建者也在 GitHub 中给出了详细说明:


import * as nsfwjs from 'nsfwjs'

const img = document.getElementById('img')

// Load model from my S3.
// See the section hosting the model files on your site.
const model = await nsfwjs.load()

// Classify the image
const predictions = await model.classify(img)
console.log('Predictions: ', predictions)

       

API


加载模型。出于多种原因,你应该使用可选参数并从你的网站加载模型。


const model = nsfwjs.load('/path/to/model/directory/')


参数

  • 可选的 URL model.json


返回

  • 准备使用 NSFWJS 模型对象


对图像进行分类


此函数可以使用任何基于浏览器的图像元素(,),并返回最可能的预测数组及其置信度。


// Return top 3 guesses (instead of all 5)
const predictions = await model.classify(img, 3)

       

参数

  • 要检查的张量(Tensor)、图像数据、图像元素、视频元素或画布元素

  • 要返回的结果数(默认全部都是 5)



返回

  • 对象数组包含 className 和 probability。数组大小由 classify 函数中的第二个参数确定。


安装


NSFWJS 由 Tensorflow.JS 提供支持,作为peer dependency(同级依赖)。如果你的项目还没有 TFJS,则需要进行添加。


# peer dependency
$ yarn add @tensorflow/tfjs
# install NSFWJS
$ yarn add nsfwjs


你也可以进行下载和托管项目:

https://s3.amazonaws.com/nsfwdetector/min_nsfwjs.zip


相关链接:

github 链接:https://github.com/infinitered/nsfwjs

demo 测试地址: https://nsfwjs.com/ 


磐创粉丝福利加磐小仙好友(微信号:cellerai)并发送关键字“python基础”即可 0元学习七月在线精品课程《Python基础课程升级版》


你也许还想


   重磅 | 最新人脸检测&识别的趋势和分析(文末有福利)

   “假脸”横行!这个良心网站教你如何成为“打假”专家

   CV环境很重要!!各种环境搭建大全

欢迎扫码关注:

算法警告!该图片涉嫌违规不予显示


觉得赞你就点好看,多谢大佬算法警告!该图片涉嫌违规不予显示

磐创AI:http://www.panchuangai.com/ 智能客服:http://www.panchuangai.com/ TensorFlow:http://panchuang.net 推荐关注公众号:磐创AI

原创文章,作者:fendouai,如若转载,请注明出处:https://panchuang.net/2019/02/26/a3ff9ee258/

发表评论

登录后才能评论

联系我们

400-800-8888

在线咨询:点击这里给我发消息

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息