一键部署NSFW检测模型：快速识别并过滤敏感图片内容

使用：网络需要在图像和输出概率（评分0-1）之间过滤不适合工作的图片。评分<0.2表示图像具有较高概率是安全的。评分＞0.8表明极有可能是不适合工作（NSFW）图像。我们建议开发者根据用例和图像类型的不同选择合适的阈值。根据使用情况、定义以及公差的不同会产生误差。理想情况下，开发人员应该创建一个评价集，根据“什么是安全的”对他们的应用程序进行定义，然后适合ROC曲线选择一个合适的阈值。结果可以通过微调你的数据/ uscase /定义NSFW的模型的改进。我们不提供任何结果的准确性保证。使用者适度地结合机器学习解决方案将有助于提高性能。模型描述：我们将不适合工作的图片（NSFW）作为数据集中的积极对象，适合工作的图片作为消极对象来进行训练。所有这些被训练得图片都被打上了特定的标签。所以由于数据本身的原因，我们无法发布数据集或者其他信息。我们用非常不错的名字叫“CaffeOnSpark”的架构给“Hadoop”带来深度学习算法，并且使用Spark集群来进行模型训练的实验。在此非常感谢 CaffeOnSpark 团队。深度模型算法首先在 ImageNet 上生成了1000种数据集，之后我们调整不适合工作（NSFW）的数据集比例。我们使用了50 1by2的残差网络生成网络模型。模型通过 pynetbuilder 工具以及复制残余网络的方法会产生50层网络（每层网络只有一半的过滤器）。你可以从这里获取到更多关于模型产生的信息。更深的网络或者具有更多过滤器的网络通常会更精确。我们使用剩余（residual）网络结构来训练模型，这样可以提供恰到好处的精确度，同样模型在运行以及内存上都能保持轻量级。 标签：opennsfw

NSFW检测机器学习模型 接受60多种数据训练，以识别： drawings -安全用于工程图（包括动画） hentai -无尽的和色情的图画 neutral -适用于工作中性图像 porn -色情图片，性行为 sexy -色情图片，而不是色情图片 ...

nsfw-v1 用Python开发的裸露检测器 介绍 使用Keras开发的裸露检测器。 它使用3个带maxpool的卷积层，然后是一个完全连接的层，最后是S型。 数据集 该数据集不包含在存储库中。 可以从下载。 调整测试/训练图像的...

识别只需20ms,可断网测试，成功率99%，调用只要一行代码，从雅虎的开源项目open_nsfw移植，该模型文件可用于iOS、java、C++等平台 :warning::warning::warning: 已从jCenter仓库迁移到Maven,原引用地址发生变更，...

java 源码 调试 TensorFlow Lite image classification iOS example application Overview Power for to iOS platform Demo运行结果：

NSFWDetector是一个小的（ 17 kB ）CoreML模型，用于扫描图像是否裸露。 使用CreateML对它进行了训练，以区分色情/裸露图像和适当的图片。 主要侧重于区分图片和色情等instagram模型。 用法 guard #available ( iOS 12.0 , * ), let detector = NSFWDetector. shared else { return } detector. check ( image : image, completion : { result in switch result { case let . success ( nsfwConfidence : confidence) : if confidence > 0.9 { // :face_screaming_in_fear::see-no-evil_monkey::smirking_face: } else { // ¯\_(ツ)_/¯ } de

基于TensorFlow的离线鉴黄识别系统.zip

NSFWDetector是一个小型（17 kB）CoreML模型，用于扫描图像的裸露。 它使用CreateML进行训练，以区分色情/裸露和适当的图片。

裸体图像检测 HTTP API 该项目提供了一个准备好部署的 REST API，允许预测图像是否具有攻击性或包含成人内容。 它依赖于 ，它为 提供了一个预训练的开源神经网络模型。 当前的项目并不旨在提高预测的质量。 主要目标...