Vit Base Nsfw Detector

🚀 視覺變換器（ViT）NSFW檢測器

本模型基於視覺變換器架構，在約25000張圖像（包括繪畫、照片等）上微調而來，可精準識別圖像是否包含不適宜內容，為圖像篩選提供高效解決方案。

🚀 快速開始

本模型是 vit-base-patch16-384 的微調版本，在約25000張圖像（繪畫、照片等）上進行了微調。它在評估集上取得了以下結果：

• 損失值：0.0937
• 準確率：0.9654

最新消息 [07/30]：我專門為穩定擴散應用創建了一個新的ViT模型，用於檢測NSFW/SFW圖像（原因請閱讀下面的免責聲明）：AdamCodd/vit-nsfw-stable-diffusion。

免責聲明：本模型並非針對生成圖像設計！這裡使用的數據集中沒有生成圖像，並且它在生成圖像上的表現明顯較差，這需要另一個專門針對生成圖像訓練的ViT模型。以下是該模型在生成圖像上的實際得分，供您參考：

• 損失值：0.3682（↑ 292.95%）
• 準確率：0.8600（↓ 10.91%）
• F1值：0.8654
• AUC值：0.9376（↓ 5.75%）
• 精確率：0.8350
• 召回率：0.8980

✨ 主要特性

• 精準識別：在評估集上準確率高達0.9654，能有效識別圖像是否包含不適宜內容。
• 多類型支持：在多種類型圖像（寫實、3D、繪畫）上進行訓練，具有廣泛適用性。

📦 安裝指南

文檔未提及安裝步驟，可參考Hugging Face官方文檔進行安裝。

💻 使用示例

基礎用法

本地圖像使用示例

from transformers import pipeline
from PIL import Image

img = Image.open("<path_to_image_file>")
predict = pipeline("image-classification", model="AdamCodd/vit-base-nsfw-detector")
predict(img)

遠程圖像使用示例

from transformers import ViTImageProcessor, AutoModelForImageClassification
from PIL import Image
import requests

url = 'http://images.cocodataset.org/val2017/000000039769.jpg'
image = Image.open(requests.get(url, stream=True).raw)
processor = ViTImageProcessor.from_pretrained('AdamCodd/vit-base-nsfw-detector')
model = AutoModelForImageClassification.from_pretrained('AdamCodd/vit-base-nsfw-detector')
inputs = processor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits

predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])
# 預測類別: sfw

高級用法

使用Transformers.js（原生JS）的示例

/* 說明:
* - 使用 <script type="module"> 標籤將此腳本放置在HTML文件中。
* - 確保HTML文件通過本地或遠程服務器提供服務（例如，使用Python的http.server、Node.js服務器等）。
* - 將 classifyImage 函數調用中的 'https://example.com/path/to/image.jpg' 替換為您要分類的圖像的URL。
*
* 在HTML中包含此腳本的示例:
* <script type="module" src="path/to/this_script.js"></script>
*
* 此設置確保腳本可以使用導入並執行網絡請求而不會出現CORS問題。
*/
import { pipeline, env } from 'https://cdn.jsdelivr.net/npm/@xenova/transformers@2.17.1';

// 由於我們將從HuggingFace Hub下載模型，因此可以跳過本地模型檢查
env.allowLocalModels = false;

// 加載圖像分類模型
const classifier = await pipeline('image-classification', 'AdamCodd/vit-base-nsfw-detector');

// 從URL獲取並分類圖像的函數
async function classifyImage(url) {
  try {
    const response = await fetch(url);
    if (!response.ok) throw new Error('Failed to load image');

    const blob = await response.blob();
    const image = new Image();
    const imagePromise = new Promise((resolve, reject) => {
      image.onload = () => resolve(image);
      image.onerror = reject;
      image.src = URL.createObjectURL(blob);
    });

    const img = await imagePromise; // 確保圖像已加載
    const classificationResults = await classifier([img.src]); // 對圖像進行分類
    console.log('Predicted class: ', classificationResults[0].label);
  } catch (error) {
    console.error('Error classifying image:', error);
  }
}

// 示例用法
classifyImage('https://example.com/path/to/image.jpg');
// 預測類別: sfw

📚 詳細文檔

模型描述

視覺變換器（ViT）是一種基於Transformer編碼器的模型（類似BERT），它在大量圖像上進行了有監督的預訓練，特別是在ImageNet - 21k數據集上，圖像分辨率為224x224像素。隨後，該模型在ImageNet（也稱為ILSVRC2012）數據集上進行了微調，該數據集包含100萬張圖像和1000個類別，圖像分辨率提高到384x384。

預期用途和限制

該模型有兩個類別：SFW（適宜內容）和NSFW（不適宜內容）。模型經過訓練，具有較高的限制性，因此會將“性感”的圖像分類為NSFW。也就是說，如果圖像顯示出乳溝或過多的皮膚，它將被分類為NSFW，這是正常現象。

該模型在各種圖像（寫實、3D、繪畫）上進行了訓練，但並不完美，有些圖像可能會被錯誤地分類為NSFW。此外，請注意，在transformers.js管道中使用量化的ONNX模型會略微降低模型的準確性。

您可以在 這裡 找到使用Transformers.js對該模型的簡單實現。

訓練和評估數據

更多信息待補充。

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率：3e - 05
• 訓練批次大小：32
• 評估批次大小：32
• 隨機種子：42
• 優化器：Adam，β值為(0.9, 0.999)，ε值為1e - 08
• 訓練輪數：1

訓練結果

• 驗證損失值：0.0937
• 準確率：0.9654
• AUC值：0.9948

混淆矩陣（評估）：

[1076 37]

[ 60 1627]

框架版本

• Transformers 4.36.2
• Evaluate 0.4.1

支持作者

如果您想支持作者，可以點擊 這裡。

🔧 技術細節

本模型基於視覺變換器架構，在預訓練模型基礎上進行微調。訓練過程中使用了Adam優化器，學習率為3e - 05，經過1輪訓練，在評估集上取得了較高的準確率和較低的損失值。但由於訓練數據集中不包含生成圖像，模型在生成圖像上的表現有所下降。

📄 許可證

本模型使用的許可證為Apache 2.0許可證。

信息表格