鉴黄数据已删除，警察叔叔会信吗？

周末，在开源中国上看到一篇文章，一位叫做 @正_午 的作者发布了一款开源的鉴黄工具 nsfw，并在文章前面声明了。

不要找我要训练数据，我是遵纪守法的好公民，训练数据已经删除。

引起了不少网友的热议^_^

该模型目前已经建成，开源在 Github 上面，并且作者还建立了一个在 demo 网站，便于测试鉴别结果。

我随便拿了一张模特的图片测试，给出如下结果。

说明：class: 图片所属列表 probability: 各类别所属的概率得分。

该模型的训练数据来源于另外一个 Github 开源项目 nsfw_data_scrapper，该项目主要用于收集成千上万的图片，用于做数据训练模型。

训练数据共五类。

porn - pornography images

hentai - hentai images, but also includes pornographic drawings

sexy - sexually explicit images, but not pornography. Think nude photos, playboy, bikini, beach volleyball, etc.

neutral - safe for work neutral images of everyday things and people
drawings - safe for work drawings (including anime)

通过以下混淆矩阵训练 CNN 分类器可使得准确度达到91％。

从上图，我们可以看出训练数据的数量分布为。

drawing: 18251 hentai: 42649 netural: 44677 porn: 108114 sexy: 17253

作者在文中说该模型主要参考了 Tensorflow 官方的 Resnet 代码，做了少许修改。尝试了微调和训练一个相对简单的新模型，微调的效果并不好，反而速度会慢很多。作者猜测应该是因为这些图片和 ImageNet 数据集相差太大的缘故。作者最终发布的模型使用 Resnet-32, 准确率达到 90% 。

对于机器学习这块，本人没有研究过，只是觉得这个项目比较有意思，分享给大家，想了解更多，去 github 上面看源码哈。

PS: 本文原创发布于wx公众号 「Java面试那些事儿」，关注并回复「1024」，免费领学习资料。原文链接

转载于:https://juejin.im/post/5c4e5f3e5188255de839876f