NSFWDetector 是一个小型（17 kB）CoreML 模型，用于扫描图像中的裸露内容。它使用 CreateML 进行训练，以区分色情/裸露图片与合适的内容，尤其侧重于区分类似 Instagram 模型的照片和色情内容。

使用方法

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 {
            // 😱🙈😏
        } else {
            // ¯\_(ツ)_/¯
        }
    default:
        break
    }
})

如果您希望为您的平台设置更严格的限制，只需降低置信度阈值即可。

安装

Swift 包管理器

dependencies: [
    .package(url: "https://github.com/lovoo/NSFWDetector.git", .upToNextMajor(from: "1.1.2"))
]

CocoaPods

pod 'NSFWDetector'

⚠️ 由于该模型是使用 CreateML 训练的，因此您需要 Xcode 10 或更高版本才能编译该项目。

应用程序大小

该机器学习模型仅占用 17 kB 的空间，因此与使用 yahoo 模型 的其他库相比，不会对应用程序大小产生显著影响。

仅使用模型

如果您不想使用检测代码，也可以直接从最新的 Release 下载 MLModel 文件。

反馈

如果您发现某些类型的图片存在问题，请随时通过 邮件 或 Twitter 联系我们。

作者

Michael Berg，michael.berg@lovoo.com

许可证

NSFWDetector 采用 BSD 许可证授权。更多信息请参阅 LICENSE 文件。

NSFWDetector 快速上手指南

NSFWDetector 是一个轻量级（仅 17 kB）的 CoreML 模型，专为 iOS 平台设计，用于检测图片中的色情或裸露内容。该模型特别擅长区分“类似 Instagram 模特的照片”与真正的色情图片。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：iOS 12.0 及以上版本。
• 开发工具：Xcode 10 或更高版本（由于模型是使用 CreateML 训练的，低版本 Xcode 无法编译）。
• 语言：Swift。

安装步骤

您可以选择以下任一方式将 NSFWDetector 集成到您的项目中：

方式一：Swift Package Manager (推荐)

在您的 Package.swift 文件的 dependencies 数组中添加以下内容：

dependencies: [
    .package(url: "https://github.com/lovoo/NSFWDetector.git", .upToNextMajor(from: "1.1.2"))
]

然后在 Xcode 中通过 File > Add Packages... 导入该仓库。

方式二：CocoaPods

在您的 Podfile 中添加：

pod 'NSFWDetector'

随后在终端执行安装命令：

pod install

提示：如果国内网络访问 GitHub 或 CocoaPods 源较慢，建议配置相应的国内镜像源（如清华大学开源软件镜像站）以加速下载。

基本使用

集成完成后，即可在代码中调用检测功能。以下是最简单的使用示例：

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 {
            // 😱🙈😏 检测到高风险内容
        } else {
            // ¯\_(ツ)_/¯ 内容安全
        }
    default:
        break
    }
})

调整阈值说明： 示例中使用了 0.9 作为判定阈值。如果您希望平台审核更加严格，可以降低该数值（例如设为 0.5），以便更敏感地拦截潜在的不适宜内容。