<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/31ff8229-907d-4d9a-b471-e788cc126103.jpg" alt="NsfwSpy标志" width="400"/>

简介

NsfwSpy是一个为.NET Core 2.0及更高版本构建的裸露/色情图像和视频分类器，支持Windows、macOS和Linux，旨在帮助各种不同类型的应用程序审核用户生成的内容，使用C#编写。ML.NET模型已经使用ResNet V250神经网络架构对646,000张图像（109GB）进行了训练，分为4个不同的类别：

标签	描述	文件数量
色情	描绘性行为和裸露的图像。	106,000
性感	穿内衣的人和上身赤裸的男性的图像。	78,000
色情动漫	性行为和裸露的绘画或动画。	83,000
中性	不具有性质的图像。	378,000

<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/b7e1e6cc-437a-434c-ab05-71d1265b3aa2.gif" />

其他项目

寻找JavaScript版本的NsfwSpy？我们为您准备了 - NsfwSpy.js 😎

性能

NsfwSpy并不完美，但其准确性应该足以检测约96%的不适宜工作场所（Nsfw）图像，即那些被归类为色情、性感或色情动漫的图像。

	色情	性感	色情动漫	中性
是否Nsfw <sub><sup>(色情 + 性感 + 色情动漫 >= 0.5)</sup></sub>	95.8%	97.0%	95.2%	3.7%
正确预测标签	85.7%	84.4%	91.9%	96.54%

快速入门

想要快速尝试NsfwSpy？查看我们使用NsfwSpy.App的步骤。

本项目作为NuGet包提供，可以使用以下命令安装：

包管理器

Install-Package NsfwSpy

.NET CLI

dotnet add package NsfwSpy

分类图像文件

var nsfwSpy = new NsfwSpy();
var result = nsfwSpy.ClassifyImage(@"C:\Users\username\Documents\flower.jpg");

分类网络图像

var uri = new Uri("https://raw.githubusercontent.com/d00ML0rDz/NsfwSpy/main/NsfwSpy.Test/Assets/flower.jpg");
var nsfwSpy = new NsfwSpy();
var result = nsfwSpy.ClassifyImage(uri);

从字节数组分类图像

var fileBytes = File.ReadAllBytes(filePath);
var nsfwSpy = new NsfwSpy();
var result = nsfwSpy.ClassifyImage(fileBytes);

分类多个图像文件

var files = Directory.GetFiles(@"C:\Users\username\Pictures");
var nsfwSpy = new NsfwSpy();
var results = nsfwSpy.ClassifyImages(files, (filePath, result) =>
{
    Console.WriteLine($"{filePath} - {result.PredictedLabel}");
});

分类Gif文件

var nsfwSpy = new NsfwSpy();
var result = nsfwSpy.ClassifyGif(@"C:\Users\username\Documents\happy.gif");

分类网络Gif

var uri = new Uri("https://raw.githubusercontent.com/d00ML0rDz/NsfwSpy/main/NsfwSpy.Test/Assets/cool.gif");
var nsfwSpy = new NsfwSpy();
var result = nsfwSpy.ClassifyGif(uri);

分类视频文件

var nsfwSpy = new NsfwSpy();
var result = nsfwSpy.ClassifyVideo(@"C:\Users\username\Documents\happy.mp4");

分类网络视频

var uri = new Uri("https://raw.githubusercontent.com/d00ML0rDz/NsfwSpy/main/NsfwSpy.Test/Assets/bikini.mp4");
var nsfwSpy = new NsfwSpy();
var result = nsfwSpy.ClassifyVideo(uri);

依赖注入

services.AddScoped<INsfwSpy, NsfwSpy>();

视频分类支持

要使用ClassifyVideo方法，需要安装FFmpeg并确保可以通过命令行使用'ffmpeg'命令。

Windows

按照此指南下载FFmpeg，将其解压到C:\驱动器，并添加所需的环境路径变量。

macOS

使用Homebrew通过以下命令在macOS上安装FFmpeg：

brew install ffmpeg

Ubuntu

使用以下命令在Ubuntu上安装FFmpeg：

sudo apt install ffmpeg

GPU支持

要启用GPU支持，请按照此处的先决条件步骤安装CUDA v10.1和适用于CUDA 10.1的CUDNN v7.6.4。更高版本不兼容（我尝试过CUDA v11.4）。NsfwSpy包中已包含SciSharp.TensorFlow.Redist-Windows-GPU和SciSharp.TensorFlow.Redist-Linux-GPU包。

macOS支持

要在macOS上运行NsfwSpy，还需要安装SciSharp.TensorFlow.Redist v2.3.1 NuGet包。默认情况下不包含此包，因为它会影响Windows和Linux上的GPU支持。您可以使用以下任一命令进行安装：

包管理器

Install-Package SciSharp.TensorFlow.Redist -Version 2.3.1

.NET CLI

dotnet add package SciSharp.TensorFlow.Redist --version 2.3.1

请注意，使用M1芯片的Mac目前不支持TensorFlow与ML.NET一起使用，因此无法使用NsfwSpy。

联系我们

有兴趣参与项目吗？无论您是想添加功能、提供图像来训练NsfwSpy，还是其他想法，请随时通过电子邮件nsfwspy@outlook.com联系我们，或在Twitter上关注我们@nsfw_spy。

注意事项

正在使用NsfwSpy？请告诉我们！我们很想了解这项技术如何被使用以及如何提高应用程序的安全性。

有功能请求或发现问题？请在GitHub上在此处报告，我们会尽力提供帮助。