Erax NSFW V1.0

🚀 EraX-NSFW-V1.0

EraX-NSFW-V1.0是一款高效的不適宜內容（NSFW）檢測模型，在發佈前的圖像和視頻管控，以及限制兒童接觸有害出版物方面表現出色。你既可以預測類別及其邊界框，還能對預測出的有害物體進行打碼處理，甚至對整個圖像進行打碼。

🚀 快速開始

安裝必要的包

pip install ultralytics supervision huggingface-hub

下載預訓練模型

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

簡單用例

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))

✨ 主要特性

• 可預測類別及其邊界框。
• 能對預測出的有害物體進行打碼處理，甚至對整個圖像進行打碼。

📦 安裝指南

安裝必要的包：

pip install ultralytics supervision huggingface-hub

💻 使用示例

基礎用法

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))

📚 詳細文檔

模型詳情 / 概述

標籤

訓練配置

• 模型權重文件：
  • Nano：erax_nsfw_yolo11n.pt
  • Small：erax_nsfw_yolo11s.pt
  • Medium：erax_nsfw_yolo11m.pt
• 訓練輪數：100
• 學習率：0.01
• 批次大小：208
• 圖像尺寸：640x640
• 訓練服務器：8 x NVIDIA RTX A4000（16GB GDDR6）
• 訓練時間：約10小時

訓練驗證結果

訓練和驗證損失

混淆矩陣

更多示例

1. 示例01：

2. 示例02：

3. 示例03：使用性行為類別最為安全，因為它會覆蓋整個上下文。 無性行為類別 | 有性行為類別 :-------------------------:|:-------------------------: | | |

訓練

訓練腳本：https://github.com/EraX-JS-Company/EraX-NSFW-V1.0

🔧 技術細節

模型基於YOLO11架構進行訓練，使用私有數據集（來自互聯網），訓練集包含31890張圖像，驗證集包含11538張圖像。訓練過程中，設置了100個訓練輪數，學習率為0.01，批次大小為208，圖像尺寸為640x640，使用8 x NVIDIA RTX A4000（16GB GDDR6）服務器進行訓練，訓練時間約為10小時。

📄 許可證

本項目採用Apache 2.0許可證。

引用

如果您覺得我們的項目有用，請給我們的倉庫點個星，並按以下方式引用我們的工作：

@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}
}

⚠️ 重要提示

此媒體包含一些人可能會覺得冒犯的敏感內容（如裸露、暴力、褻瀆、色情內容）。您必須年滿18歲才能查看此內容。