深度神經網絡的應用,瞭解一下開源鑑黃神器nsfw!

喜歡互聯網技術的同學,一定要關注我哦!

nsfw簡介

nsfw,全稱Not suitable for work classifier,是雅虎開源的一個鑑黃的工具,使用了谷歌開源的人工智能學習系統tensorflow。

其中nsfw對於圖片進行了5種分類,分別是:

  1. Drawing:無害的藝術,或者藝術繪畫;
  2. Hentai:色情藝術,不適合大多數工作環境;
  3. Neutral:一般,指無害的內容;
  4. Porn:不雅的內容或行為,通常涉及生殖器;
  5. Sexy:不合時宜的挑釁內容。

nsfw下載

通過GitHub找到對應的代碼,然後下載下來。然後解壓到一個單獨的文件夾。如圖所示:

深度神經網絡的應用,瞭解一下開源鑑黃神器nsfw!

解壓目錄

然後打開編譯器,我這裡使用的pycharm,再打開上面的目錄。

深度神經網絡的應用,瞭解一下開源鑑黃神器nsfw!

編譯器打開目錄

因為該工程依賴於numpy,image,tensorflow的包,所以要先下載這幾個包,然後才可以正常運行。我這裡是直接在pycharm裡面進行下載對應的包

深度神經網絡的應用,瞭解一下開源鑑黃神器nsfw!

pip安裝依賴

nsfw實踐

1.準備需要鑑別的圖片,我分別使用了一張美女和一張餃子的圖片進行實踐,

深度神經網絡的應用,瞭解一下開源鑑黃神器nsfw!

1.jpg

使用nsfw_predict.py data/1.jpg命令運行時,可以得到下面的結果明顯判斷出該圖片是sexy,佔比0.9383133。

深度神經網絡的應用,瞭解一下開源鑑黃神器nsfw!

1.jpg的運行結果

第二次,小生使用一個餃子的圖片進行驗證。

深度神經網絡的應用,瞭解一下開源鑑黃神器nsfw!

2.jpg

得到的結果標籤是neutral,佔比是0.99138075,明顯符合我們的理解。

深度神經網絡的應用,瞭解一下開源鑑黃神器nsfw!

2.jpg的運行結果

經過上面的兩次鑑定,可以得到結論明顯符合現實。但是對於一些特殊的圖,也是會存在一定的偏差的。希望各位同學回去試試,可以更有效理解哦!

需要GitHub地址的,私信一下我哦!


分享到:


相關文章: