近日，GitHub 上开源了一款鉴定不雅内容的 js 库 NSFW JS，你可以使用 NSFW JS 识别不雅内容，所有操作都只在客户端进行，甚至都不需要让文件离开用户的电脑。
演示地址：https://nsfwjs.com/
项目地址：https://github.com/infinitered/nsfwjs
你有没有过这样的经历，在睡觉之前看了一些东西，然后在闭上眼睛时那些东西仍然历历在目？我说的可不是那种甜蜜的美梦，而是那种被你的老板看到后会让你卷铺盖走人的东西。
用户的输入可能会很恶心。我的一个朋友之前开了一家网店，居然可以允许用户输入负的数。一些恶意用户会购买一件 50 美元的衬衫，然后再加上负一件 40 美元的衬衫，从而达到打折的效果！纠正用户输入的数字是很容易的，但如果是图片呢？那是不可能的！
机器学习正在做着令人惊叹的事情，现在已经开始进入 JavaScript 领域，那些令人惊叹的事情无处不在。
NSFW JS NPM 模块
我可以用一整章的内容来介绍 NSFW JS 内部原理，但还是让我们来关注它的功能吧。
给 NSFW JS 一张图片元素或画布，然后简单地调用 classify，可能会得到如下 5 个分类结果。
-
绘画（Drawing）——无害的艺术，或艺术绘画；
-
变态（Hentai）——色情艺术，不适合大多数工作环境；
-
中立（Neutral）——一般，无害的内容；
-
色情（Porn）——不雅的内容和行为，通常涉及生殖器；
-
性感（Sexy）——不合时宜的挑衅内容。
每个分类都有一个概率！基于这些数字和分类，你可以采取行动或者只是目瞪口呆。
为什么要用它？
大公司一般都有专门的团队专注于消除令人反感的内容，但我们一般享受不到这种奢侈。就像客户端的表单验证可以减少服务器端的工作量一样，客户端的内容检查也可以减少团队的工作量。
场景 1：
想象一下，当用户要上传淫秽图像时，他们会立即收到这样的消息：“抱歉！这张图片的一些内容已经触发了内容警告。你仍然可以上传图片，但不会立即可用，需要通过人工审核后才会生效”。用户看到这条消息后可能会放弃上传。
场景 2：
它也可以用于用户到用户的保护。在从别人那里接收消息时，可能会收到警告，告知他们要查看的内容是不是适合。如果可以查看，它会在显示之前进行确认，而这些是在没有服务器处理的情况下完成的！
随着用户上传内容的合法性变得越来越重要，我们需要更大更好的工具来保证优质网站的畅通。
如何使用它？
这很简单，基本上包含三个步骤：
1. 获取代码；
2. 在客户端加载模型；
3. 对图像进行分类。
1. 获取代码
我将向你展示 Node 风格的用法。首先，我们需要引入 NSFW JS。如果项目中尚未包含 TensorflowJS，请先获取它。
现在，我们可以在 JS 文件中导入 Node 模块：
// Classic import style import * as nsfwjs from 'nsfwjs' // or just use require('nsfwjs')
2. 在客户端加载模型
接下来我们需要做的是加载模型。这个“模型”是用来评估图像的函数。可以在这里下载它们。这些文件是 4MB 大小的分片，便于在客户端进行缓存。在我的示例中，我将它们放在 public/model/ 文件夹中。
如果你的目录也一样，那么可以使用这个路径来加载模型。
// Load files from the server to the client! const model = await nsfwjs.load('/model/')
3. 对图像进行分类
现在，模型已经存在于客户端的内存中，我们可以对页面上的图像元素进行分类。
// Gimme that image const img = document.getElementById('questionable_img') // Classify the image const predictions = await model.classify(img) // Share results console.log('Predictions: ', predictions)
预测（默认情况下）将返回 5 个分类结果，按照最可能到最不可能的顺序排列！例如：
[ {className: “Drawing”, probability: 0.9195643663406372}, {className: “Hentai”, probability: 0.07729756087064743}, {className: “Porn”, probability: 0.0019258428364992142}, {className: “Neutral”, probability: 0.0011005623964592814}, {className: “Sexy”, probability: 0.00011146911856485531} ]
所有概率的总和应该加起来等于 1 或 100％。现在，你可以基于这些数据做你想做的事情！标记超过 60％的东西，或者只用最前面那个，把其余的忽略掉。
误报
作为人类，你可能经过了几十年的图像识别训练。所以可以肯定地说，你肯定会遇到一些很明显的误报。虽然这些通常很有趣，但结果中也会出现少量的数据偏差。随着数据清洗技术的改进，这些偏差将被消除。这是一个缓慢的过程。
对于像 NSFW 这样的东西，我觉得出现误报总比出现漏网之鱼更好。
动手演示
需要注意的是，NSFW 可能会发生误报，但这个模型每天都在不断改进。因为是开源的，所以我希望大家一起帮助改进它！
英文原文：
https://shift.infinite.red/avoid-nightmares-nsfw-js-ab7b176978b1
更多内容，请关注前端之巅。
最新评论