Nsfw Image Detection

🚀 成人內容圖像檢測 - 卓越表現者

本模型針對成人內容圖像分類進行了微調。它能將內容分為三個關鍵安全類別，適用於內容審核、安全過濾和合規內容處理系統。

https://exnrt.com/blog/ai/fine-tuning-siglip2/

🚀 快速開始

本模型可用於成人內容圖像分類，將圖像分為不同的安全類別。

✨ 主要特性

• 基於google/siglip2-base-patch16-224基礎模型微調。
• 能夠將圖像內容分為三個關鍵安全類別，適用於內容審核、安全過濾和合規內容處理系統。

📦 安裝指南

文檔未提供安裝步驟，可參考Hugging Face Transformers庫的安裝方法：

pip install transformers

💻 使用示例

基礎用法

import torch
from transformers import AutoImageProcessor, SiglipForImageClassification
from PIL import Image
import torch.nn.functional as F

model_path = "Ateeqq/nsfw-image-detection"
processor = AutoImageProcessor.from_pretrained(model_path)
model = SiglipForImageClassification.from_pretrained(model_path)

image_path = r"/content/download.jpg"
image = Image.open(image_path).convert("RGB")
inputs = processor(images=image, return_tensors="pt")

with torch.no_grad():
    logits = model(**inputs).logits
probabilities = F.softmax(logits, dim=1)

predicted_class_id = logits.argmax().item()
predicted_class_label = model.config.id2label[predicted_class_id]
confidence_scores = probabilities[0].tolist()

print(f"Predicted class ID: {predicted_class_id}")
print(f"Predicted class label: {predicted_class_label}\n")
for i, score in enumerate(confidence_scores):
    label = model.config.id2label[i]
    print(f"Confidence for '{label}': {score:.6f}")

輸出示例

Predicted class ID: 2
Predicted class label: safe_normal

Confidence for 'gore_bloodshed_violent': 0.000002
Confidence for 'nudity_pornography': 0.000005
Confidence for 'safe_normal': 0.999993

📚 詳細文檔

模型詳情

混淆矩陣

分類類別

標籤映射

label2id = {'gore_bloodshed_violent': 0, 'nudity_pornography': 1, 'safe_normal': 2}
id2label = {0: 'gore_bloodshed_violent', 1: 'nudity_pornography', 2: 'safe_normal'}

訓練指標（選擇第5個epoch）

每輪訓練結果

• 訓練運行時間：1小時21分40秒
• 最終訓練損失：0.0727
• 每秒步數：0.11 | 每秒樣本數：6.99

📄 許可證

本項目採用Apache-2.0許可證。