雅虎开源色情图片检测神经网络

近期，雅虎刚刚开源了他们自己构建的一套深度学习神经网络，它专门用于自动检测图片是否含有色情内容。

NSFW（Not Suitable For Work）用于标记不适合上班时间浏览的网络内容，它的界定其实是很主观的，有的人反感的东西可能其他人并不觉得如何。雅虎的这个深度学习神经网络的定位是专注于 NSFW 中的色情图片。所以，该模型不适用于处理素描、文字、动画、暴力图片等内容。

对色情图片的鉴定并不容易，所以除了技术手段之外往往都离不开人工，于是就催生了鉴黄师这样的岗位。因为对于机器来说，图片都是些 RGB 的像素罢了，不论是花草树木，还是香车美女，摆在无欲无求的机器面前并无差异。而人，却对它有天生识别能力。美国前大法官波特·斯图尔特就有这样一句名言：“ 我看到它，才知道它是不是”。因此，机器是得向人来学习如何判定色情图片的。

该神经网络使用了 CaffeOnSpark ，这是一个基于 Hadoop/Spark 的分布式深度学习框架。雅虎已经基于已有的数据对模型进行了训练，这些数据既包括 NSFW 的，也包括 SFW（suitable for work，适合上班时间浏览）的，每张图片已明确标记好。在通过学习之后，它会为每张待鉴定的图片打出一个 NSFW 得分，表示属于 NSFW 的可能性。该值范围从 0 至 1，小于 0.2 表示很有可能是安全的，大于 0.8 表示有很大可能是 NSFW 的。如下图所示，花丛中的少女衣着保守，得分 0.001，而运动中的女孩和海边的男子虽暴露了部分肢体，但得分也仅为 0.116 和 0.074，都未达到 NSFW 的标准。想了解该模型生成和训练的更多详情，请戳这里。

雅虎建议大家在使用时选择自己的阈值，因为应用场景和对 NSFW 标准的理解可能会有差异，所以开发人员最好根据自己应用对 NSFW 的定义来设定评估值。

在 Reddit 上，大家就该模型对评估的有效性展开了讨论。有人认为：

“不知道它的评估是否准确，如果能允许大家上传图片，它打出分来让大家评价一下效果就好了”

而有人就此回应说：

“我不知道你会怎么看，但我肯定不会让人把最 NSFW 的图片上传到我的服务器上的”

出于某些原因，在公共网络上放置各类 NSFW 图片的确不太合适。好在雅虎已经将此模型开源，如果各位感兴趣的话，可以自己动手实践一下，看它给出的评估是否符合你的标准。你可以通过 雅虎的文章 了解更多详细内容，模型可以在 GitHub 上下载。如果你想要搭建自己的色情图片识别系统，必须要自己提供数据，这可能对大家来说不算什么难事。

感谢郭蕾对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们。