卷积神经网络模型如何辨识裸体图片

原文：WHAT CONVOLUTIONAL NEURAL NETWORKS LOOK AT WHEN THEY SEE NUDITY
作者：Ryan Compton
译者：赵屹华 审校：刘翔宇
责编：周建丁（zhojd@csdn.net）

上周，我们在Clarifai上正式公布了 Not Safe for Work (NSFW) 成人内容识别模型。本周，我们一位数据科学家将带你探索计算机是如何学会分辨裸体人物的。

警告声明：本文内含有用于科研用途的裸体图片。如果你未满十八周岁或者不宜浏览裸体图片，请立即停止阅读。

过去二十年里，裸体图片的自动检测一直是计算机视觉领域的焦点问题，由于其丰富的研究历史和明确的目标，该问题是了解整个领域发展变化的极好例子。在本文中，我将用裸体检测问题来展示训练现代版的卷积神经网络模型 (convnets) 与过去的研究有何区别。

警告：本文内含有未打码的裸体图片，敬请注意！

早在1996年：

此领域的一项开创性工作是Fleck等人完成的一个项目，戏称为“寻找裸体人”。论文在90年代中期发表，它反映了计算机视觉研究者们在使用卷积神经网络之前所做的典型工作。在论文的第二段，他们概括了这种技术：

算法：
— 首先，筛选出含有大量肤色区域的图片；
— 其次，在这些区域内寻找长条状区域，按照人体结构的信息用专用组合器把它们组合成可能的肢体部位，并且连接这些肢体部位。

皮肤检测是通过对色彩空间过滤来实现，组合皮肤区域是通过对人体建模来实现，它将人体建模成“由相邻圆柱体组合而成的物体，每个独立部分的几何形状和各个部分之间的比例都符合人体骨架”（论文第二节）。为了更好地理解实现这类算法的工程技术，我们来看论文的图1，作者展示了一部分他们人为构造的组合规则：

图1. 左图：组合规则（箭头）说明了如何合并简单的组合（如躯干）形成复杂的组合（如四肢和身体的连接）。这些规则受限于它们在2维空间的相对位置，这是由于它们在3维空间有特定的组合分布。虚线表示了还未实现的组合规则。中图：组合器拒绝将大腿和脊椎（虚线表示的是盆骨）组合在一起，因为如果人在这种姿势下大腿会遮盖躯干，使得躯干不容易被检测到。右图：这个臀部连接也被拒绝了。髋骨连接的限制阻止了人的大腿如此摆放。

论文中提到“在138张无限制裸体照片的测试集上，准确率达到了60%，召回率达到52%”。他们还给出了一些真阳性和假阳性的图片例子，并标明算法检测到的相关特征：

图3. 成功检测出裸体人物的典型图片。皮肤过滤器的输出结果如图所示，脊椎用红线表示，肢体连接用蓝线表示，肢体与躯干连接用绿线表示。

图6. 错误地识别出裸体人物的典型对照图片。这些图片含有与皮肤色彩接近的材料（动物皮肤、木材、面包、褪色的墙面）和容易误判为脊椎或者腰带的结构。组合器经常将平行线组合搞混。

人工构造特征的一个主要问题是特征的复杂性受到了研究院的耐心和想象力的限制。在下一节里，我们将会看到如何训练卷积神经网络来完成同样的任务，更精细地表征相同的数据集。

到了2014年：

深度学习研究员不再发明各种规则来表征输入的数据，而是设计网络模型