Private Detector 是 Bumble 开源的图像检测模型，可以用于检测色情图片。内部版本已经进行了大量的重构，并作为一个完全开源的项目发布，以允许更广泛的社区使用和微调他们自己的 Private Detector 模型。你可以下载预训练的 SavedModel 模型。
模型：
SavedModel 模型可以在 private_detector.zip 中的 save_model/ 目录中找到。该模型基于 Efficientnet-v2，并在 Bumble 内部的数据集上进行了训练。
推理：
推理是非常简单的，在 inference.py 中已经给出了一个例子
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 \
附加训练
开发者可以根据自己的数据自行微调模型，这样做非常简单，可以在 private_detector.zip的 saved_checkpoint/目录中找到所需要的 checkpoint 文件。
设置一个 JSON 文件，其中包含指向每个类的图像路径列表的链接：
{
"Yes": {
"path": "/home/sofarrell/private_detector/Yes.txt",
"label": 0
},
"No": {
"path": "/home/sofarrell/private_detector/No.txt",
"label": 1
}
}
与每个列出图像的图像路径的.txt文件
/home/sofarrell/private_detector_images/Yes/1093840880_309463828.jpg /home/sofarrell/private_detector_images/Yes/657954182_3459624.jpg /home/sofarrell/private_detector_images/Yes/1503714421_3048734.jpg
可以使用 conda 创建训练环境：
conda env create -f environment.yaml conda activate private_detector
然后像这样重新训练：
python3 ./train.py \
--train_json /home/sofarrell/private_detector/train_classes.json \
--eval_json /home/sofarrell/private_detector/eval_classes.json \
--checkpoint_dir saved_checkpoint/ \
--train_id retrained_private_detector
-
package zhangphil.sensor; import android.content.Context; import android.hardware.Sensor; import android.hardware.SensorEvent; import android.hardware.SensorEventListener; import android.hardware.Sen
-
相比较Opencv自带识别 Dlib识别更稳定 using DlibFaceLandmarkDetector; using DlibFaceLandmarkDetectorExample; using OpenCVForUnity.CoreModule; using OpenCVForUnity.UnityUtils; using System; using System.Collection
-
package com.example.duanjiwei.applepeardemo1; import android.support.v7.app.AppCompatActivity; import android.os.Bundle; import android.util.Log; import android.content.Context; import android.graphic
-
title: Android原生人脸识别Camera2+FaceDetector 快速实现人脸跟踪 categories: Android tags: 人脸识别 FaceDetector Camera2 date: 2020-05-27 14:02:13 本篇主要介绍Android原生Api人脸检测FaceDetector的使用，该方法检测人脸可以 做到的是，检测到屏幕有无人脸，有多少个人脸，人脸
-
你必须在相机API中添加FaceDetectionListener然后调用startFaceDetection()方法， CameraFaceDetectionListener fDListener = new CameraFaceDetectionListener(); mCamera.setFaceDetectionListener(fDetectionListener); mCamera.s
-
近来，发现登入后台管理系统，发现上传上来的认证视频太模糊了，于是乎，发现没有给MediaRecorder设置帧频率。 // 设置帧频率，录制视频会更加清晰 mRecorder.setVideoEncodingBitRate(5*1024*1024); 1.直接开撸，先打开相机，来获取想要的bitmap，关于为什么用到YuvImage：https://blog.csdn.net/illidantao
-
安装Visual Leak Detector 前往官网下载并安装。 设置 附加包含目录添加C:\Program Files (x86)\Visual Leak Detector\include 附加库目录添加C:\Program Files (x86)\Visual Leak Detector\lib\Win64 附加依赖项添加vld.lib 将vld.ini中的ReportTo修改为both 测
-
在Android 4.4以后的版本已经可以直接支持计步器sensor，参考下面的文章。 http://developer.android.com/about/versions/android-4.4.html#UserInput http://motzcod.es/post/82515321689/part-1-my-stepcounter-android-step-sensors http://
-
人脸识别google有自带api，Androoid 原生的人脸识别是利用相机的摄像功能和android.media.FaceDetector这个类来实现的 1、android.hardware.camera 1.1 简介 Camera 类用于设置图像捕获设置、开始/停止预览、抓拍图片和检索帧以进行视频编码 Camera的源码 1.2 人脸识别步骤： 1. 初始化相机并设置相机参数; 2. 设置预览
-
一 主要流程： 1.通过FaceDetector类来检测人脸，返回获取到的人脸信息，以及人脸的坐标，通过人脸坐标可以做人脸追踪的操作。 2.通过两个surfaceview，一个surfaceview用来做相机的预览，另外一个surfaceview附着在相机预览surfaceview上面，用来绘制人脸的相框。 demo 链接人脸检测追踪demo（MVP模式）_android人脸追踪-Android代
-
主要内容：第1步：加载OpenCV本机库,第2步：实例化CascadeClassifier类,步骤3：检测脸部包的类包含使用系统摄像头捕获视频的类和方法。 让我们来看看它是如何做到这一点。 第1步：加载OpenCV本机库 在使用OpenCV库编写Java代码时，需要做的第一步是使用加载OpenCV本地库。加载OpenCV本机库，如下所示。 第2步：实例化CascadeClassifier类 包的类用于加载分类器文件。 通过传递xml文件来实例化这个类，如下所示。 步骤3：检测脸部 可以使用类的方
-
问题内容： 我有一个jpg图片。 我需要知道图像的“总体平均水平”。乍一看，可以使用图像的直方图（通道RGB）。 在工作中，我主要使用JavaScript和PHP（少量Python），因此欢迎使用这些语言的决定。也许这是用于处理类似问题的图像的库。 我不需要动态确定图片的颜色。我只需要遍历整个图像阵列并分别确定每个图像的颜色（我将记住此信息以备将来使用）。 问题答案： 您可以使用 PHP 来获取调
-
本文向大家介绍php检测图片主要颜色的方法，包括了php检测图片主要颜色的方法的使用技巧和注意事项，需要的朋友参考一下 本文实例讲述了php检测图片主要颜色的方法。分享给大家供大家参考。具体实现方法如下： 希望本文所述对大家的php程序设计有所帮助。
-
我只是在创建一个检测二分图的算法，但我想到了一些我不确定算二分图的图，尽管我的算法说它算二分图。
-
本文向大家介绍vue 检测用户上传图片宽高的方法，包括了vue 检测用户上传图片宽高的方法的使用技巧和注意事项，需要的朋友参考一下 需求： 用户可上传3-6张图片（第 1 2 3 张必须传），上传的图片必须是540 * 330 像素。 第一步，获取上传的图片的宽高。 初始化一个对象数组，宽高均设为0。 如果用户上传的图片没有上限，可以动态修改这个对象数组。 data: HTML: myupload
-
问题内容： IE 10的现代桌面版本始终是全屏的。 W3上有一个针对伪类的有效规范 但是，当我尝试使用jQuery 1.9.x和2.x版检测全屏时： 它引发了这个错误： 语法错误，无法识别的表达式：全屏 是因为jQuery尚未识别此标准还是IE10？ 检查全屏模式的 传统 方式是什么？我期待以下结果： } 我们可以在没有浏览器嗅探的情况下做到吗？ 问题答案： 您已经发现，浏览器兼容性是一个很大的缺
-
我几乎没有图像处理和识别的背景知识。我试图检测灰度图像（如肖像）上的主边缘/灰度变换。问题是在某些部分，边缘模糊（因为焦点）。我使用的是具有多个阈值的Canny边缘检测器，但我永远无法检测到这些边缘（下巴、衣服、耳朵、脸部侧面等） 边缘检测是正确的工具吗？谢谢
-
引言 这篇文档会介绍如何用 darknet 训练一个 YOLOv2 目标检测模型，看完这篇文档会发现：模型训练和预测都非常简单，最花时间的精力的往往是训练集的数据预处理。 这里先简单介绍一下 目标分类 (Classification) 和 目标检测 (Detection) 的区别？什么是 YOLO？以及什么是 darknet？ 下面这张图很清晰地说明了目标分类： 一张图片作为输入，然后模型就会告诉