Vit Base Nsfw Detector

🚀 视觉变换器（ViT）NSFW检测器

本模型基于视觉变换器架构，在约25000张图像（包括绘画、照片等）上微调而来，可精准识别图像是否包含不适宜内容，为图像筛选提供高效解决方案。

🚀 快速开始

本模型是 vit-base-patch16-384 的微调版本，在约25000张图像（绘画、照片等）上进行了微调。它在评估集上取得了以下结果：

• 损失值：0.0937
• 准确率：0.9654

最新消息 [07/30]：我专门为稳定扩散应用创建了一个新的ViT模型，用于检测NSFW/SFW图像（原因请阅读下面的免责声明）：AdamCodd/vit-nsfw-stable-diffusion。

免责声明：本模型并非针对生成图像设计！这里使用的数据集中没有生成图像，并且它在生成图像上的表现明显较差，这需要另一个专门针对生成图像训练的ViT模型。以下是该模型在生成图像上的实际得分，供您参考：

• 损失值：0.3682（↑ 292.95%）
• 准确率：0.8600（↓ 10.91%）
• F1值：0.8654
• AUC值：0.9376（↓ 5.75%）
• 精确率：0.8350
• 召回率：0.8980

✨ 主要特性

• 精准识别：在评估集上准确率高达0.9654，能有效识别图像是否包含不适宜内容。
• 多类型支持：在多种类型图像（写实、3D、绘画）上进行训练，具有广泛适用性。

📦 安装指南

文档未提及安装步骤，可参考Hugging Face官方文档进行安装。

💻 使用示例

基础用法

本地图像使用示例

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)

远程图像使用示例

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])
# 预测类别: sfw

高级用法

使用Transformers.js（原生JS）的示例

/* 说明:
* - 使用 <script type="module"> 标签将此脚本放置在HTML文件中。
* - 确保HTML文件通过本地或远程服务器提供服务（例如，使用Python的http.server、Node.js服务器等）。
* - 将 classifyImage 函数调用中的 'https://example.com/path/to/image.jpg' 替换为您要分类的图像的URL。
*
* 在HTML中包含此脚本的示例:
* <script type="module" src="path/to/this_script.js"></script>
*
* 此设置确保脚本可以使用导入并执行网络请求而不会出现CORS问题。
*/
import { pipeline, env } from 'https://cdn.jsdelivr.net/npm/@xenova/transformers@2.17.1';

// 由于我们将从HuggingFace Hub下载模型，因此可以跳过本地模型检查
env.allowLocalModels = false;

// 加载图像分类模型
const classifier = await pipeline('image-classification', 'AdamCodd/vit-base-nsfw-detector');

// 从URL获取并分类图像的函数
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; // 确保图像已加载
    const classificationResults = await classifier([img.src]); // 对图像进行分类
    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');
// 预测类别: sfw

📚 详细文档

模型描述

视觉变换器（ViT）是一种基于Transformer编码器的模型（类似BERT），它在大量图像上进行了有监督的预训练，特别是在ImageNet - 21k数据集上，图像分辨率为224x224像素。随后，该模型在ImageNet（也称为ILSVRC2012）数据集上进行了微调，该数据集包含100万张图像和1000个类别，图像分辨率提高到384x384。

预期用途和限制

该模型有两个类别：SFW（适宜内容）和NSFW（不适宜内容）。模型经过训练，具有较高的限制性，因此会将“性感”的图像分类为NSFW。也就是说，如果图像显示出乳沟或过多的皮肤，它将被分类为NSFW，这是正常现象。

该模型在各种图像（写实、3D、绘画）上进行了训练，但并不完美，有些图像可能会被错误地分类为NSFW。此外，请注意，在transformers.js管道中使用量化的ONNX模型会略微降低模型的准确性。

您可以在 这里 找到使用Transformers.js对该模型的简单实现。

训练和评估数据

更多信息待补充。

训练过程

训练超参数

训练过程中使用了以下超参数：

• 学习率：3e - 05
• 训练批次大小：32
• 评估批次大小：32
• 随机种子：42
• 优化器：Adam，β值为(0.9, 0.999)，ε值为1e - 08
• 训练轮数：1

训练结果

• 验证损失值：0.0937
• 准确率：0.9654
• AUC值：0.9948

混淆矩阵（评估）：

[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，可以点击 这里。

🔧 技术细节

本模型基于视觉变换器架构，在预训练模型基础上进行微调。训练过程中使用了Adam优化器，学习率为3e - 05，经过1轮训练，在评估集上取得了较高的准确率和较低的损失值。但由于训练数据集中不包含生成图像，模型在生成图像上的表现有所下降。

📄 许可证

本模型使用的许可证为Apache 2.0许可证。

信息表格