Erax NSFW V1.0

🚀 EraX-NSFW-V1.0

EraX-NSFW-V1.0は、不適切なコンテンツ（NSFW）を検出するための高効率なモデルです。公開前の画像やビデオの管理、または子供たちが有害な出版物にアクセスするのを制限するのに非常に有効です。予測されたクラスとそのバウンディングボックスを取得することも、予測された有害オブジェクトをマスクする、または画像全体をマスクすることもできます。

⚠️ 重要提示

このメディアには、一部の人に不快感を与える可能性のあるセンシティブなコンテンツ（露出、暴力、不適切な言葉、ポルノなど）が含まれています。このコンテンツを閲覧するには、18歳以上である必要があります。

🚀 クイックスタート

EraX-NSFW-V1.0を使用するには、以下の手順に従ってください。

1. 必要なパッケージをインストールする：

pip install ultralytics supervision huggingface-hub

2. 事前学習済みモデルをダウンロードする：

from huggingface_hub import snapshot_download
snapshot_download(repo_id="erax-ai/EraX-NSFW-V1.0", local_dir="./", force_download=True)

3. 簡単な使用例：

from ultralytics import YOLO
from PIL import Image
import supervision as sv
import numpy as np

IOU_THRESHOLD        = 0.3
CONFIDENCE_THRESHOLD = 0.2

# pretrained_path = "erax_nsfw_yolo11n.pt"
# pretrained_path = "erax_nsfw_yolo11s.pt"
pretrained_path = "erax_nsfw_yolo11m.pt"

image_path_list = ["test_images/img_1.jpg", "test_images/img_2.jpg"]

model = YOLO(pretrained_path)
results = model(image_path_list,
                  conf=CONFIDENCE_THRESHOLD,
                  iou=IOU_THRESHOLD
                )


for result in results:
    annotated_image = result.orig_img.copy()
    h, w = annotated_image.shape[:2]
    anchor = h if h > w else w

    detections = sv.Detections.from_ultralytics(result)
    label_annotator = sv.LabelAnnotator(text_color=sv.Color.BLACK,
                                        text_position=sv.Position.CENTER,
                                        text_scale=anchor/1700)
    
    pixelate_annotator = sv.PixelateAnnotator(pixel_size=anchor/50)
    
    annotated_image = pixelate_annotator.annotate(
        scene=annotated_image.copy(),
        detections=detections
    )


    annotated_image = label_annotator.annotate(
        annotated_image,
        detections=detections
    )

    
    sv.plot_image(annotated_image, size=(10, 10))

✨ 主な機能

• 不適切なコンテンツ（NSFW）を高精度に検出します。
• 予測された有害オブジェクトをマスクする、または画像全体をマスクすることができます。
• 公開前の画像やビデオの管理、子供たちが有害な出版物にアクセスするのを制限するのに有効です。

📦 インストール

必要なパッケージをインストールするには、以下のコマンドを実行してください。

pip install ultralytics supervision huggingface-hub

💻 使用例

基本的な使用法

from ultralytics import YOLO
from PIL import Image
import supervision as sv
import numpy as np

IOU_THRESHOLD        = 0.3
CONFIDENCE_THRESHOLD = 0.2

# pretrained_path = "erax_nsfw_yolo11n.pt"
# pretrained_path = "erax_nsfw_yolo11s.pt"
pretrained_path = "erax_nsfw_yolo11m.pt"

image_path_list = ["test_images/img_1.jpg", "test_images/img_2.jpg"]

model = YOLO(pretrained_path)
results = model(image_path_list,
                  conf=CONFIDENCE_THRESHOLD,
                  iou=IOU_THRESHOLD
                )


for result in results:
    annotated_image = result.orig_img.copy()
    h, w = annotated_image.shape[:2]
    anchor = h if h > w else w

    detections = sv.Detections.from_ultralytics(result)
    label_annotator = sv.LabelAnnotator(text_color=sv.Color.BLACK,
                                        text_position=sv.Position.CENTER,
                                        text_scale=anchor/1700)
    
    pixelate_annotator = sv.PixelateAnnotator(pixel_size=anchor/50)
    
    annotated_image = pixelate_annotator.annotate(
        scene=annotated_image.copy(),
        detections=detections
    )


    annotated_image = label_annotator.annotate(
        annotated_image,
        detections=detections
    )

    
    sv.plot_image(annotated_image, size=(10, 10))

📚 ドキュメント

モデルの詳細 / 概要

ラベル

トレーニング設定

• モデルの重みファイル：
  • Nano: erax_nsfw_yolo11n.pt
  • Small: erax_nsfw_yolo11s.pt
  • Medium: erax_nsfw_yolo11m.pt
• エポック数：100
• 学習率：0.01
• バッチサイズ：208
• 画像サイズ：640x640
• トレーニングサーバ：8 x NVIDIA RTX A4000 (16GB GDDR6)
• トレーニング時間：約10時間

トレーニングの検証結果

トレーニングと検証の損失

混同行列

推論

学習済みモデルを使用するには、以下の手順に従ってください。

1. 必要なパッケージをインストールする：

pip install ultralytics supervision huggingface-hub

2. 事前学習済みモデルをダウンロードする：

from huggingface_hub import snapshot_download
snapshot_download(repo_id="erax-ai/EraX-NSFW-V1.0", local_dir="./", force_download=True)

3. 簡単な使用例：

from ultralytics import YOLO
from PIL import Image
import supervision as sv
import numpy as np

IOU_THRESHOLD        = 0.3
CONFIDENCE_THRESHOLD = 0.2

# pretrained_path = "erax_nsfw_yolo11n.pt"
# pretrained_path = "erax_nsfw_yolo11s.pt"
pretrained_path = "erax_nsfw_yolo11m.pt"

image_path_list = ["test_images/img_1.jpg", "test_images/img_2.jpg"]

model = YOLO(pretrained_path)
results = model(image_path_list,
                  conf=CONFIDENCE_THRESHOLD,
                  iou=IOU_THRESHOLD
                )


for result in results:
    annotated_image = result.orig_img.copy()
    h, w = annotated_image.shape[:2]
    anchor = h if h > w else w

    detections = sv.Detections.from_ultralytics(result)
    label_annotator = sv.LabelAnnotator(text_color=sv.Color.BLACK,
                                        text_position=sv.Position.CENTER,
                                        text_scale=anchor/1700)
    
    pixelate_annotator = sv.PixelateAnnotator(pixel_size=anchor/50)
    
    annotated_image = pixelate_annotator.annotate(
        scene=annotated_image.copy(),
        detections=detections
    )


    annotated_image = label_annotator.annotate(
        annotated_image,
        detections=detections
    )

    
    sv.plot_image(annotated_image, size=(10, 10))

トレーニング

トレーニング用のスクリプトは、こちらにあります。

その他の例

1. 例01：

2. 例02：

3. 例03：make_loveクラスを使用すると、コンテキスト全体をカバーするため、最も安全です。 Without make_love class | With make_love class :-------------------------:|:-------------------------: | | |

🔧 技術詳細

• 開発者：
  • Phạm Đình Thục (thuc.pd@erax.ai)
  • Mr. Nguyễn Anh Nguyên (nguyen@erax.ai)
• モデルバージョン：v1.0
• ライセンス：Apache 2.0

📄 ライセンス

このプロジェクトは、Apache 2.0ライセンスの下で公開されています。

引用

もしあなたが私たちのプロジェクトを役に立つと思った場合は、リポジトリにスターを付けて、以下のように引用していただけると幸いです。

@article{EraX-NSFW-V1.0,
  author    = {Phạm Đình Thục and
              Mr. Nguyễn Anh Nguyên and
              Đoàn Thành Khang and
              Mr. Trần Hải Khương and
              Mr. Trương Công Đức and 
              Phan Nguyễn Tuấn Kha and 
              Phạm Huỳnh Nhật},
  title     = {EraX-NSFW-V1.0: A Highly Efficient Model for NSFW Detection},
  organization={EraX JS Company},
  year={2024},
  url={https://huggingface.co/erax-ai/EraX-NSFW-V1.0}
}