Falconsai
色情内容
色情内容是非常有害的，它们既不符合我国的法律也要求，同时也毒害了人们的思想精神。在过去，通过使用人工“鉴黄”的方式，找一个专门的工作者，去判断一个内容是否是色情内容，虽然，他们通过努力不懈，阻止了色情内容的传播，但是，这样的工作对于鉴黄师本人来说，却是很大的心灵伤害。
好在，随着科技的发展和进步，现在的深度学习模型，已经可以完成由ai鉴别这些不合适的内容了，让这些淫秽内容无处遁形，净化网络空间，打击不法犯罪，与“黄毒赌”不共戴天！
nsfw模型
NSFW的图像检测，是指识别图像中的不适合工作场合的内容，其中nsfw，即not safe for work，翻译为不适合工作场合，主要就是指包含色情和裸露的内容。这些内容通常不应该在上班工作的时候看，这样做不符合职业道德，可能让他人感到反感，当然，如果被老板发现了，还可能被扣工资，甚至解雇。
FalconsAI NSFW是基于Vision Transformer架构的模型，其可以将图片分类为两类，nsfw和normal，也即不合适的图片和正常的图片，它的主要功能可能包括内容审核，广告过滤等。Vision Transformer也即ViT，是一种图像分类模型，将图像划分为多个小图像块，然后将其编码，具有强大的图像分类能力，和传统的卷积神经网络并不相同。根据官方介绍，训练该模型使用了约80000图片，不过由于是属于专有数据集，并未开放提供下载和查看。
补充介绍：falcon是英语中的“鹰”的意思，也叫“隼”，隼（读音sun，三声，是一种鸟，不是那个爱止痛的隼）。
官方地址可以参考：nsfw_image_detection。
autodl
autodl介绍
说起深度学习模型的训练以及使用，就必须要有强力的显卡以及合适的运行环境。但是，很多人并不具备这样的条件，提起ai深度学习，遇到的最多的一个问题就是：“我没有好显卡，买一个太贵了，但是还想进行深度学习，怎么办？”
那还用问吗？当然是租一个！autodl就是这样一个可以租显卡的平台。不仅可以租显卡，而且该平台已经提供了全套的运行环境，还有丰富的帮助手册，扫清ai路上的一切障碍。
autodl租显卡，可以使用其官网：autodl深度学习
深度学习环境搭建
第一步：我们选择“算力市场”
第二步：选择一个需要的GPU，例如3080Ti
第三步：选择python运行环境，例如pytorch，免安装环境的烦恼
第四步：在控制台找到实例，连接使用
此时，我们就可以按照自己需要，随意的运行深度学习模型了。
nsfw模型搭建
模型下载
如果要使用该模型，最主要的包括如下几个部分：
将其下载，并放于某个文件目录中，例如model
单一图片检测
import torch
from transformers import AutoModelForImageClassification, ViTImageProcessor
from PIL import Image
# 在这里填写模型的路径
model = AutoModelForImageClassification.from_pretrained("./model")
processor = ViTImageProcessor.from_pretrained("./model")
# 在这里填写图片的路径
img = Image.open("images/1.png").convert("RGB")
with torch.no_grad():
inputs = processor(images=img, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
predicted_label = logits.argmax(-1).item()
label = model.config.id2label[predicted_label]
# normal即为正常图片
# nsfp即为不适合的图片
print(f"预测标签: {label}")色情图片概率分析
上面方法的判断直接提供一个最终结果，如果你想知道图片判断的概率（也即，有多大的可能性是nsfw图片），可以尝试使用这段代码。
一般来说，越接近nsfw的图片，概率就会越高，反之就会越低。
import torch
import torch.nn.functional as F
from PIL import Image
from transformers import AutoModelForImageClassification, ViTImageProcessor
img = Image.open("images/1.png").convert("RGB")
model = AutoModelForImageClassification.from_pretrained("./model")
processor = ViTImageProcessor.from_pretrained("./model")
with torch.no_grad():
inputs = processor(images=img, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
probabilities = F.softmax(logits, dim=-1)
for idx, score in enumerate(probabilities[0]):
label = model.config.id2label[idx]
print(f"类别: {label}, 概率: {score.item():.4f}")检测文件目录
遍历整个文件目录，分析其中的图片是否包含nsfw图片，默认只会检测常见的几种图片扩展名后缀，不会检测其他未知类型的文件。如果你需要使用更多的图片扩展名，需要适当修改代码。
import os
from PIL import Image
from transformers import AutoModelForImageClassification, ViTImageProcessor
import torch
def detect_nsfw_in_folder(folder_path):
model = AutoModelForImageClassification.from_pretrained("./model")
processor = ViTImageProcessor.from_pretrained("./model")
for filename in os.listdir(folder_path):
if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp')):
image_path = os.path.join(folder_path, filename)
try:
img = Image.open(image_path).convert("RGB")
inputs = processor(images=img, return_tensors="pt")
with torch.no_grad():
outputs = model(**inputs)
logits = outputs.logits
predicted_label = logits.argmax(-1).item()
label = model.config.id2label[predicted_label]
if label.lower() == 'nsfw':
print(f"检测到不适宜图像: {filename}")
except Exception as e:
print(f"无法处理图像: {filename}, 错误: {e}")
detect_nsfw_in_folder("./images")