随着计算机视觉、改进的训练数据和深度学习算法的发展,计算机现在能够以更高的精度来自动分类 NSFW 图像内容,近年来,卷积神经网络已经在图像分类问题中取得了巨大成功。自2012年以来,新的卷积神经网络架构一直在不断改进标准 ImageNet 分类挑战的精度。一些主要突破包括了 AlexNet(2012)、GoogLeNet、VGG(2013)和残差网络(Residual Networks)(2015)等等, 这些架构都在当年的ImageNet分类挑战上取得了独领的成绩。
通过训练深度神经网络模型,用于NSFW图片的智能审核,可以降低人工审核的成本,我把他认为是知识技能的迁移,神经网络有及其强大的拟合能力,让其拟合审核人员对于图片的审核判定基准,就类似于将人的技能迁移到了网络模型中,解放了人工,当然,后续任然需要迁移新的知识给模型,让模型进行更新和迭代。
从网站过滤NSFW图片的Web扩展。
它使用TensorFlowJS——一个机器学习框架——在加载网页时检查NSFW的图片。
使用的模型-由Infinite Red,Inc.开发的nsfwjs。
当加载一个网页时,所有的图像都将保持隐藏状态,直到发现它们是否是NSFW。如果他们被发现是NSFW,他们仍然隐藏。否则,它们就会变得可见。
扩展完全在浏览器上运行。ie没有用户数据被发送到服务器进行处理。
买365网站球赛