private-detector

项目介绍：Private Detector

项目概述

Private Detector是Bumble公司开发的一个图像分类模型，专门用于识别不雅图像。该项目以开源的方式提供给公众，使得更广泛的社区能够使用和微调他们自己的Private Detector模型。用户可以下载预训练的模型，包括冻结模型和检查点，进行进一步的研究和开发。

模型设计

Private Detector模型基于EfficientNet-v2架构，并通过Bumble公司内部不雅图像数据集进行训练。用户可以在提供的压缩文件private_detector.zip中找到保存的模型文件saved_model/。这个模型的训练和设计信息可以在Bumble的白皮书中获取更多细节。

推断过程

项目提供了一个简单的推断示例文件inference.py，用于帮助用户快速开始。该模型作为SavedModel提供，因而可以采用多种方式部署。在首次进行推断之前，用户需要在系统上安装Python和Conda，然后使用environment.yaml文件来安装必要的包，接着通过命令行执行推断脚本。

推断的运行方法如下：

conda env create -f environment.yaml
conda activate private_detector
python3 inference.py \
    --model saved_model/ \
    --image_paths \
        Yes_samples/1.jpg \
        Yes_samples/2.jpg \
        Yes_samples/3.jpg \
        Yes_samples/4.jpg \
        Yes_samples/5.jpg \
        No_samples/1.jpg \
        No_samples/2.jpg \
        No_samples/3.jpg \
        No_samples/4.jpg \
        No_samples/5.jpg \

使用示例输出

推断结果以概率形式展示，表示模型对于输入图像是否为不雅内容的判断。例如：

    Probability: 93.71% - Yes_samples/1.jpg
    Probability: 9.76% - No_samples/1.jpg

服务部署

用户可以参考TensorFlow Serving的示例来进行服务部署。这允许模型作为服务运行，从而更好地集成到生产环境中。

额外训练

用户可以通过自己的数据对模型进行微调。微调过程中需要使用private_detector.zip中的检查点文件。用户需要设置一个JSON文件，列出每个类的图像路径：

{
    "Yes": {
        "path": "/your/path/to/Yes.txt",
        "label": 0
    },
    "No": {
         "path": "/your/path/to/No.txt",
         "label": 1
    }
}

创建训练环境并开始再训练：

conda env create -f environment.yaml
conda activate private_detector
python3 ./train.py \
    --train_json /your/path/to/train_classes.json \
    --eval_json /your/path/to/eval_classes.json \
    --checkpoint_dir saved_checkpoint/ \
    --train_id retrained_private_detector

再训练的脚本提供了一系列参数可供调整，比如训练轮数、批量大小和学习率等，以适应不同的训练数据和需求。

综上，Private Detector项目通过开放源码使得不雅图像检测技术的应用变得更加广泛，同时支持用户个性化的调整和再训练，推动互联网环境的安全性提升，特别是为女性用户提供更友好的体验。