许可证：Apache-2.0
语言：

• 英文
  基础模型：
• google/siglip2-base-patch16-224
  任务类型：图像分类
  库名称：transformers
  标签：
• NSFW（不适宜工作场所内容）
• exnrt.com

NSFW图像检测——顶级性能模型

本模型专为NSFW图像分类微调，可将内容划分为三个安全关键类别，适用于内容审核、安全过滤及合规内容处理系统。

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

üöÄ 使用示例

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"预测类别ID: {predicted_class_id}")  
print(f"预测类别标签: {predicted_class_label}\n")  
for i, score in enumerate(confidence_scores):  
    label = model.config.id2label[i]  
    print(f"'{label}'置信度: {score:.6f}")  

输出示例

预测类别ID: 2  
预测类别标签: safe_normal  

'gore_bloodshed_violent'置信度: 0.000002  
'nudity_pornography'置信度: 0.000005  
'safe_normal'置信度: 0.999993  

ü߆ 模型详情

• 基础模型: google/siglip2-base-patch16-224
• 任务: 图像分类（NSFW/安全内容检测）
• 框架: PyTorch / Hugging Face Transformers
• 微调数据集: 包含3类内容的定制数据集
• 选定检查点: 第5轮训练
• 批大小: 64
• 训练轮数: 5

üìå 混淆矩阵

üè∑Ô∏è 分类标签

üßæ 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'}  

üìä 训练指标（选定第5轮‚úÖ）

üìå 训练轮次结果

• 训练时长: 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