Nsfw Image Detection

🚀 成人内容图像检测 - 卓越表现者

本模型针对成人内容图像分类进行了微调。它能将内容分为三个关键安全类别，适用于内容审核、安全过滤和合规内容处理系统。

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

🚀 快速开始

本模型可用于成人内容图像分类，将图像分为不同的安全类别。

✨ 主要特性

• 基于google/siglip2-base-patch16-224基础模型微调。
• 能够将图像内容分为三个关键安全类别，适用于内容审核、安全过滤和合规内容处理系统。

📦 安装指南

文档未提供安装步骤，可参考Hugging Face Transformers库的安装方法：

pip install transformers

💻 使用示例

基础用法

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}")

输出示例

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

📚 详细文档

模型详情

混淆矩阵

分类类别

标签映射

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

训练指标（选择第5个epoch）

每轮训练结果

• 训练运行时间：1小时21分40秒
• 最终训练损失：0.0727
• 每秒步数：0.11 | 每秒样本数：6.99

📄 许可证

本项目采用Apache-2.0许可证。