NSFW检测机器学习模型

基于60多GB的数据训练而成，用于识别：

• drawings - 适合工作场所的插画（包括动漫）
• hentai - 限制级及色情插画
• neutral - 适合工作场所的中性图片
• porn - 色情图片、性行为内容
• sexy - 性暗示图片，但不属于色情内容

该模型为NSFW JS提供支持 - 更多信息

当前状态：

基于Inception V3模型，准确率为93%，混淆矩阵如下所示。

需求：

请参阅requirements.txt。

使用方法

用于程序化调用本库。

from nsfw_detector import predict
model = predict.load_model('./nsfw_mobilenet2.224x224.h5')

# 对单张图片进行预测
predict.classify(model, '2.jpg')
# {'2.jpg': {'sexy': 4.3454722e-05, 'neutral': 0.00026579265, 'porn': 0.0007733492, 'hentai': 0.14751932, 'drawings': 0.85139805}}

# 同时对多张图片进行预测
predict.classify(model, ['/Users/bedapudi/Desktop/2.jpg', '/Users/bedapudi/Desktop/6.jpg'])
# {'2.jpg': {'sexy': 4.3454795e-05, 'neutral': 0.00026579312, 'porn': 0.0007733498, 'hentai': 0.14751942, 'drawings': 0.8513979}, '6.jpg': {'drawings': 0.004214506, 'hentai': 0.013342537, 'neutral': 0.01834045, 'porn': 0.4431829, 'sexy': 0.5209196}}

# 对目录中的所有图片进行预测
predict.classify(model, '/Users/bedapudi/Desktop/')

如果您已安装该软件包或使用命令行工具，以下方式同样适用……

# 单张图片
nsfw-predict --saved_model_path mobilenet_v2_140_224 --image_source test.jpg

# 图片目录
nsfw-predict --saved_model_path mobilenet_v2_140_224 --image_source images

# 单张图片（通过代码/CLI）
python3 nsfw_detector/predict.py --saved_model_path mobilenet_v2_140_224 --image_source test.jpg

下载

欢迎使用此模型来助力您的产品！

如果您想表达感谢，我接受用于支付服务器费用的捐赠：点击这里。

最新模型压缩包（v1.1.0）

https://github.com/GantMan/nsfw_model/releases/tag/1.1.0

原始Inception v3模型（v1.0）

• Keras 299x299图像模型
• TensorFlow.js 299x299图像模型
• TensorFlow.js量化299x299图像模型
• TensorFlow 299x299图像模型 - 如需查看计算图，请参考

原始MobileNet v2模型（v1.0）

• Keras 224x224图像模型
• TensorFlow.js 224x224图像模型
• TensorFlow.js量化224x224图像模型
• TensorFlow 224x224图像模型 - 如需查看计算图，请参考
• TensorFlow量化224x224图像模型 - 如需查看计算图，请参考

PyTorch版本

感谢社区开发了基于ResNet的PyTorch版本！ https://github.com/yangbisheng2009/nsfw-resnet

TF1训练文件夹内容

用于创建此模型的脚本简单说明：

• inceptionv3_transfer/ - 包含所有用于训练基于Keras的Inception v3迁移学习模型的代码。其中包括用于配置的constants.py，以及两段实际训练和微调的脚本。
• mobilenetv2_transfer/ - 包含所有用于训练基于Keras的MobileNet v2迁移学习模型的代码。
• visuals.py - 用于生成混淆矩阵图形的代码。
• self_clense.py - 如果训练数据存在较大误差，self_clense可以帮助在合理时间内交叉验证并修正训练数据中的错误。随着模型性能的提升，您也可以利用它手动清理训练数据。

例如

cd training
# 首先从锁定的Inception v3迁移开始
python inceptionv3_transfer/train_initialization.py

# 继续对模型进行微调训练
python inceptionv3_transfer/train_fine_tune.py

# 生成模型的混淆矩阵
python visuals.py

补充信息

目前尚无便捷的方式分发训练数据，但如果您希望参与本模型的改进或其他模型的训练，请与我联系，我们可以共同合作。

该模型的最新进展推动了https://nsfwjs.com/上的量化TFJS模块的开发。

我的Twitter账号是@GantLaborde - 我是新奥尔良AI学院的专家。同时运营着@FunMachineLearn账号。

更多关于我以及我所在公司的信息，请访问相关链接。

特别感谢nsfw_data_scraper提供的训练数据。如果您对NSFW图像类型有更深入的研究兴趣，或许可以结合此仓库的代码与这些数据一起使用。

如果您需要React Native、Elixir、AI或机器学习相关的服务，请联系我们Infinite Red，正是他们让这些实验成为可能。我们是一家全球领先的优秀软件咨询公司！

引用

@misc{man,
  title={Deep NN for NSFW Detection},
  url={https://github.com/GantMan/nsfw_model},
  journal={GitHub},
  author={Laborde, Gant}}

贡献者

感谢以下各位优秀的朋友（emoji key）：

Gant Laborde 💻 📖 🤔	Bedapudi Praneeth 💻 🤔

本项目遵循 all-contributors 规范。欢迎任何形式的贡献！

nsfw_model 快速上手指南

nsfw_model 是一个基于深度学习的内容安全检测模型，能够识别图片是否包含色情、性感内容或属于绘画作品。该模型在超过 60GB 的数据集上训练而成，准确率约为 93%。

环境准备

• 操作系统：Linux / macOS / Windows
• Python 版本：建议 Python 3.6+
• 依赖库：请确保安装 requirements.txt 中列出的依赖（主要包括 TensorFlow/Keras 等深度学习框架）。

💡 提示：国内用户可使用清华或阿里镜像源加速 pip 安装：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

1. 克隆项目仓库：

   git clone https://github.com/GantMan/nsfw_model.git
   cd nsfw_model
   

2. 安装 Python 依赖：

   pip install -r requirements.txt
   

3. 下载预训练模型文件：

   • 访问 Releases 页面 下载最新模型压缩包。
   • 解压后确保 .h5 模型文件（如 nsfw_mobilenet2.224x224.h5）位于项目目录中。

基本使用

方式一：Python 代码调用

from nsfw_detector import predict

# 加载模型
model = predict.load_model('./nsfw_mobilenet2.224x224.h5')

# 单张图片预测
result = predict.classify(model, 'test.jpg')
print(result)
# 输出示例：{'test.jpg': {'sexy': 0.01, 'neutral': 0.02, 'porn': 0.03, 'hentai': 0.10, 'drawings': 0.84}}

# 多张图片预测
results = predict.classify(model, ['image1.jpg', 'image2.jpg'])
print(results)

# 整个文件夹预测
folder_results = predict.classify(model, './images_folder/')

方式二：命令行工具

# 检测单张图片
nsfw-predict --saved_model_path mobilenet_v2_140_224 --image_source test.jpg

# 检测整个目录
nsfw-predict --saved_model_path mobilenet_v2_140_224 --image_source ./images/

⚠️ 注意：命令行使用前需确保已将项目路径加入环境变量，或直接使用完整路径调用：

python3 nsfw_detector/predict.py --saved_model_path mobilenet_v2_140_224 --image_source test.jpg

模型将返回五类概率值：drawings（安全绘图）、hentai（ hentai 绘图）、neutral（正常图片）、porn（色情图片）、sexy（性感但不色情）。可根据业务需求设定阈值进行过滤。