指标:

• 准确率 任务标签: 图像分类 基础模型: google/vit-base-patch16-384 模型索引:
• 名称: AdamCodd/vit-base-nsfw-detector 结果:
  • 任务: 类型: 图像分类 名称: 图像分类 指标:
    • 类型: 准确率 值: 0.9654 名称: 准确率
    • 类型: AUC 值: 0.9948
    • 类型: 损失值 值: 0.0937 名称: 损失值 许可证: apache-2.0 标签:
• transformers.js
• transformers
• nlp

vit-base-nsfw-detector

该模型是基于约25,000张图像（绘画、照片等）对vit-base-patch16-384进行微调的版本。在评估集上取得了以下结果：

• 损失值: 0.0937
• 准确率: 0.9654

最新动态 [07/30]：我专门为稳定扩散使用创建了一个新的ViT模型来检测NSFW/SFW图像（原因见下方免责声明）：AdamCodd/vit-nsfw-stable-diffusion。

免责声明：该模型并非为生成图像设计！所用数据集中不包含任何生成图像，且对生成图像的表现显著较差，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评分供参考：

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

模型描述

Vision Transformer (ViT) 是一种类似BERT的Transformer编码器模型，通过监督学习在大量图像（ImageNet-21k，分辨率为224x224像素）上进行预训练。随后，模型在更高分辨率（384x384）的ImageNet（又称ILSVRC2012）数据集上进行了微调，该数据集包含100万张图像和1,000个类别。

用途与限制

模型分为两类：SFW（安全）和NSFW（不安全）。模型训练时较为保守，因此会将“性感”图像归类为NSFW。也就是说，如果图像展示过多皮肤或暴露，将被分类为NSFW。这是正常现象。

本地图像使用方法：

from transformers import pipeline
from PIL import Image

img = Image.open("<图像文件路径>")
predict = pipeline("image-classification", model="AdamCodd/vit-base-nsfw-detector")
predict(img)

远程图像使用方法：

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("预测类别:", model.config.id2label[predicted_class_idx])
# 预测类别: sfw

使用Transformers.js（原生JavaScript）：

/* 使用说明：
* - 将此脚本通过<script type="module">标签放入HTML文件中。
* - 确保HTML文件通过本地或远程服务器提供（例如使用Python的http.server、Node.js服务器等）。
* - 在classifyImage函数调用中将'https://example.com/path/to/image.jpg'替换为要分类的图像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import并执行网络请求而不会遇到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，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('加载图像失败');

    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]); // 分类图像
    console.log('预测类别: ', classificationResults[0].label);
  } catch (error) {
    console.error('分类图像时出错:', error);
  }
}

// 使用示例
classifyImage('https://example.com/path/to/image.jpg');
// 预测类别: sfw

该模型已在多种图像（写实、3D、绘画）上进行训练，但仍不完美，某些图像可能会被错误分类为NSFW。此外，请注意在transformers.js管道中使用量化ONNX模型会略微降低模型的准确性。您可以在此处找到使用Transformers.js的该模型简易实现。

训练与评估数据

需要更多信息

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，参数为betas=(0.9,0.999)和epsilon=1e-08
• 训练轮数: 1

训练结果

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

混淆矩阵（评估集）：

[1076 37]

[ 60 1627]

框架版本

• Transformers 4.36.2
• Evaluate 0.4.1

如果您想支持我，可以点击这里。