查看原文
其他

警告!该图片涉嫌违规不予显示

GitHubDaily 2019-11-14

以下文章来源于AI科技大本营 ,作者一一


公众号关注 “GitHubDaily

设为 “星标”,每天带你逛 GitHub!



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。



    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 9600 个 Star。


    喏,数据集地址你: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,根据小编亲自测试,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,以小编测试的二十多张 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。



    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。



    这两张图怎么就是“Porn”了......



    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/ 

      ---

      以上,便是今日分享,觉得不错,还请点个在看,谢谢。

      推荐阅读:

      GitHub Top 45:新手入门 Python,值得推荐的优质资源!
      开源神器!答应我,别再用 abc 做变量名了好么!
      用这个开源项目给自己生成个二次元头像吧!
      GitHub 标星破万,超全 Chrome 插件汇总整理!
      牛逼!有人在 GitHub 上把 Windows 95 做成了一款软件,可玩扫雷和纸牌!
      「GitHub 交流群」已开放
      想入群的可在公众号后台回复「入群」

        您可能也对以下帖子感兴趣

        文章有问题?点此查看未经处理的缓存