中企动力 > 商学院 > 图片垃圾识别
  • ?

    建议把“请勿乱扔垃圾”的标语换成这种图片!

    任老五

    展开

     

    一只误食人们丢在海里的编织袋的海龟,由于无法吐出来,就这样一直卡在喉咙处。

     

    这只海龟小的时候被塑料捆绑住,无法挣脱,继续生长使它的身体整个变形。

    被人类的编织袋捆绑住,无法动弹。

    觅食时喙不小心卡在塑料瓶盖上的海鸟,直到死都没有办法取下来。

    塑料制品整个卡在它的脑袋和嘴巴上,动物没有灵活的双手,没有办法将这些看起来简单的东西摘下来,小编希望每个人都可以做到不随手扔垃圾,你的一个小举动,也许能够救回一条生命。

    网友热评:好可怜 我错了不乱扔垃圾了 虽然我不会扔这么大的垃圾 希望每个人都要保护环境 地球是大家的

    第4幅图想一下那只鸟看见食物就在自己面前,确没法吃下就这么活活饿死那种痛苦

    建议把“请勿乱扔垃圾”的标语换成这种图片。

    查看原文 >>
  • ?

    与自己一周所产生的垃圾合影!你怕了吗?7张图片诉说你一周生产的垃圾!

    心疚

    展开

    在这个拉挤丛生的世界,你有没有想过自己一周会生产多少垃圾,一天的垃圾你可能没有看出多少,但是一个周的堆积,绝对会让你震惊。

    首先我认为的最多的垃圾应当是进食所产生的垃圾,尤其是外卖,点一个餐,会发现有好多的餐具,基本是以塑料材质为主,这样的垃圾实在是让人感到慌张。以下是各国人与自己一周垃圾的合影,看过之后你怕了吗?敢不敢一战?

  • ?

    触目惊心!男子创作图片揭露海洋垃圾危害

    许素

    展开

    据英国《每日邮报》9月12日报道,近日,美国广告设计师克里斯蒂安沃特斯(Christian Waters)制作了一组名为“方便的代价”的宣传图片,向公众展示了随意丢弃垃圾对海洋生物带来的毁灭性伤害。他希望此举能够提醒人们保护海洋环境。

      

     

      

     

      其中一张图片的主角是一只被挖去龟壳的海龟,它的肚子里塞满了香蕉皮、汽水罐以及各种难以辨认的垃圾。另一张图片中则躺着一只装在垃圾袋里已经窒息的海龟。还有一张图片向人们展示了一只肚中填满玻璃细珠的死鱼——这些致命的玻璃珠可能来自人们的肥皂、沐浴露和牙膏。

      

     

      据世界野生动物基金会统计,每年有大约880万吨垃圾被扔到海里,这些垃圾会造成海洋生物中毒和窒息。“海洋垃圾的数量十分惊人。”沃特斯表示,“我们把这些海洋生物当成了垃圾桶。”

      

     

      沃特斯此前也意识到环保问题的重要性,但并未采取进一步行动。事情的转折点发生在他2014年的马来西亚之旅。他在惊叹当地美景的时候却在岸边意外发现了成堆的垃圾。他感到十分震惊,随后开始搜寻海洋垃圾。几个月后他偶然看到一段影片,一只海龟的鼻孔中插进了吸管,人们不得不用钳子将吸管夹出,大量鲜血涌到海龟嘴里。

  • ?

    网友晒最脏乱差汽车内部图片 塞满垃圾看着够呛!

    Merlin

    展开

    据《每日邮报》报道,对于一些有车族来说,他们都会十分爱惜自己的汽车,把爱车当做他们的避风港。然而也有一些人,他们的汽车里却放着成堆的垃圾和杂物。网友们分享了一些他们所看到的最脏乱差的汽车照片,这些汽车内部乱的简直令人震惊,你见过比这更杂乱糟糕的情况吗?

    汽车的脚踏板上堆满了绿色的空塑料易拉罐,从饮料到啤酒罐都有。但座椅看起来还是干净的,表明这辆车还是有人在使用的。

    这辆汽车的情况看起来糟透了。汽车的脚踏板上到处都是食物残渣,这名网友表示当时被一个女人请去清理汽车,但这糟糕的情况让他不知道该收多少钱。

    似乎这位车主在他的爱车上度过了很多时间,因为汽车里堆满了食物、杂志和书籍。虽然这辆汽车没有其他的汽车看起来那么恶心,但这也一样看起来十分糟糕,在这些杂物中掺杂着很多没有丢掉的垃圾。

    显然这辆汽车的车主是一位老烟民,汽车操控台上到处散落着烟头和烟灰。另外这位车主看起来十分爱喝外餐店饮料。

    透过窗户可以看到这辆汽车从前到后每寸都堆满了杂物。司机还能挤进去开车吗?

    这辆汽车虽然没有堆满垃圾,但这辆汽车看起来十分破旧。汽车座椅的海绵都外露出来了,在驾驶座上还放着一个垫子,可能是司机为了保护自己不受伤害吧。

    报纸、杂志和垃圾袋堆满了汽车,甚至都碰到了汽车的顶部,路人看到时简直震惊极了。

  • ?

    一位女鉴黄师的心声:每天至少审核10000张涉黄图片,恶心到吐

    邢德地

    展开

    一位女鉴黄师的心声:每天至少审核10000张涉黄图片,恶心到吐!当代社会网络发展非常迅速,各大网站也是迅速崛起,比如说百度等大网站,我们在这些网站上可以搜寻到很多自己想要找的东西,包括各种常识和图片等等。很多用户喜欢把自己拍摄的一些图片传到网站上面,不过呢,这些用户上传的一些图片有的尺度是很大的,但是在上传的时候平台有些审核机制还不够严格,所以就会有很多涉黄图片被上传到网络上,甚至还有些被掺杂在文中里面,给用户带来了不好的阅读体验,也造成了非常不好的社会影响,这个时候就产生了一个职业——网络鉴黄师。鉴黄师这个职业总体来说薪资还是非常高的,不过并不是每一个人都可以做这个工作,除了一些专业的鉴定知识之外,鉴黄师还需要非常强大的心理素质。

    鉴黄师这份工作毫不夸张的说确实算得上是伟大的,因为鉴黄师的工作内容就是在清除和过滤一些网站上的垃圾图片。据了解,某网友爆料阿里巴巴这个网站上的涉黄师每天至少要审核1万张涉黄图片,光听这个数字大家就知道有多可怕了,长时间的工作自然就让这些鉴黄师感到视觉很疲劳,所以有些照片还是被放过去了。那么,涉黄师长期看到这些涉黄图片会怎么样呢?一位女鉴黄师的心声:我的工作就是过滤网络上的涉黄图片,每天至少都要看10000张以上,简直恶心到吐,我身边好几位已婚的同事,因为长期审核这些照片,都已经导致性冷淡了!

    据悉,阿里巴巴最近推出了AI鉴黄师,AI鉴黄师是通过百万张的图片的分析而做出的,对于需要鉴定的图片来打分,100分的自然而然就是稳稳的涉黄图片了,而50分以下的就是安全健康的图片,至于在此期间的图片就需要鉴黄师进一步的工作了,阿里AI鉴黄师每天可审核10亿张图片,识别准确率高于99.5%,更厉害的是,它不仅能鉴别涉黄图像,连音频都能识别哦,不管是中日英俄等语言,还是东北,四川,广东的方言,甚至连无意义的呻吟声都可以轻松判别。虽然同样需要人工来审核,但是AI鉴黄师已经帮忙清除了很多垃圾图片,不然的话,要这些鉴黄师每天审核10000张图片,实在是太为难人了!

    所以呀,AI鉴黄师的产生对于鉴黄师来说无疑是一个非常大的救星,小编最后也忍不住想要提醒一下那些想要做鉴黄师的人,如果你的心理不够强大,千万不要去做这行,否则造成夫妻生活不和谐就得不偿失了!各位网友,对于鉴黄师这个职业,你们是怎么看的呢?欢迎留言评论,谢谢!

  • ?

    微信里的垃圾图片会随时间变得越来越多,学会清理,给手机减负吧

    崔宛海

    展开

    以下的几种删除微信聊天记录里图片的方法。

    工具/原料

    手机

    微信软件

    方法/步骤

    第一种方法直接打开微信。找到你和别人的聊天记录的图片,然后长按图片---选择更多按钮---在需要删除的图片上打钩---点击下方删除按钮---再次按删除键删除。这样,该图片就被我们删除了。

    第二种方法找到需要删除图片的聊天记录页面,点击右上角人像图标---选择清空聊天记录---点击清空。那么我们与这个人的聊天记录文字和图片都删除掉了。

    第三种方法打开微信---点击右上角“三个点”的菜单按钮---选择设置---通用---清理微信存储空间---选择需要删除的图片---点击删除按钮删除图片。这个方法也能删除我们聊天记录留下的图片。

    (本文内容由百度知道网友夜月の伤心贡献)

  • ?

    做好“年终拍摄总结”,别让你的照片变“数码垃圾”

    夏柳

    展开

    又到年末,相信不少朋友已经在即将过去的 2018 年里拍了不少照片。但是年终总结拍摄成果,面对好几张储存卡中几百 G 的海量照片,你有没有感到茫然失措?如果再不及时整理,这些照片最后都会变成“数码垃圾”,你的心血岂不是白费了?

    那么,整理照片时,除了删除那些有技术缺陷的“废片”外,我们还能做些什么让“归纳”变得更轻松呢?

    1. 拍摄前,做一些准备

    首先,如果能在拍摄前制定拍摄计划,不但让我们的拍摄有的放矢,也会对后期的照片整理提供有条理的帮助。

    其次,利用自定义文件前缀将不同类别的照片分别存储。一些高端单反相机都可以针对相机拍摄的照片名称前缀进行自定义命名,我们可以直接修改文件名的前缀,对照片进行分类。

    相机内修改文件名设置菜单

    相机内选择文件夹设置菜单

    一些入门相机如果无法修改文件名前缀,还可以选择存储卡中不同的文件夹进行存储,用以区分不同的拍摄内容。这样一来,在不同日期或者不同场景拍摄时,就可以轻松将照片归档。

    另外,一些中高端相机都具备双卡槽设计,可以将不同题材的照片存入不同的存储卡。当然,你也可用两张卡来区分 RAW 与 JPG 格式文件,或者使用第二张卡作为备份,防止误删。

    双卡槽非常方便照片的区分与备份

    2. 拍摄时,别忘记这些事情

    对于一些便携相机甚至手机,并不能在相机内选择文件夹或者定义文件名,如何区分不同场景或题材呢?

    你可以尝试拍摄“记号照片”:在一段拍摄结束后,拍摄一张具有代表性的照片作为“记号”。“记号照片”可以是天空、白纸、地面、自己的手、摄影包或者其他易于寻找的物体。

    比如说:你首先去了颐和园,然后去了国图,那么就在两个时间段之间加入一张“记号照片”,作为一个“句号”。不同的时间、题材、地点,都可以用“记号照片”进行分隔。

    “记号照片”的常见形式:镜头前的手

    最后提示一下,在拍摄时,除非一些必要的动态类照片,连拍功能要少用,精彩的瞬间并不是一定要靠连拍获得。一些普通风景照,取景构图后拍摄一张即可,这样也会为后期筛选节省很多时间。

    此外,有拍摄缺陷的照片,例如合影中闭眼的照片、因为抖动虚掉的照片、曝光错误的照片等,可在回放看到时及时删除。

    3. 拍摄完,及时做以下事情

    把满满的储存卡照片导入电脑后,我们首先要对照片进行简单的文件夹分类。照片分类主要有三种:按时间、地点和拍摄内容分类。当然,你也可以把三者综合起来。

    例如将文件夹命名为“2018.03.08_王府井_聚会”或者“2018.05.07_青城山_旅拍”。命名时之所以把“时间”放在前面是因为当使用文件名称排序时,就可以将照片按照时间依次排序,并且照片内容一目了然。

    如果我们在拍摄时已经按之前所说的,对所拍摄内容做了一定分类准备工作,那么此时就可以对照片做进一步分类归纳。例如按照“记号照片”的提示,对照片进行题材或地点的分类。

    最后,还可以使用图片管理软件,不仅对照片归纳大有帮助,还能提供后期润饰和分享功能。

    摄影后期照片管理使用最多的就是 Lightroom,它不但有照片批量命名、关键词批量添加功能,还可以进行照片批量调整等,只要按照时间作为存储顺序添加一些标签,就可以很容易地进行照片的整理,而且不会导致文件夹的混乱。

    你可以简单按如下程序进行处理:导入照片后预览,按照星级通道分类标记可用照片,标记高分辨率的杂志用图或存档用图,再对选择的照片进行后期调整,最后存入文件夹。LR 不会对原始照片造成任何改动,因此当移动这些原始照片后,只需要重新定位一次文件目录就可以轻松找回原始文件了。

    LR 照片导入界面

    LR 照片星级设定

    LR 照片星级筛选

    除了 LR 以外,Picasa 软件在照片管理上也非常出色。Picasa 在启动时会自动扫描照片,将文件夹分类一览无余。

    Picasa 还有调整照片明暗、剪裁、添加风格等功能,能自行为照片添加自定义标签,甚至还有人脸识别分类,非常有利于不同照片的分类存档。

    Picasa 工作界面

    如果每年拍摄的次数较多,可以尝试为自己的图片库建立一个专门的 Excel 表格,用于索引服务。表格内容可以包含照片存放的文件夹名称、简单内容摘要、每个文件夹或每组照片的数量、拍摄的日期等。每次归纳照片后不断完善这个表格,日后查找会提供很大的帮助。

    4. 最后,别忘了多看一眼回收站

    回收站别急着清空。在筛选连拍照片时,那些同样场景和类似画面的照片还是有用的。

    比如说,你可以按照时间对照片进行排序,一组连拍的照片可单独放在一起,制作成一个有趣的 GIF文件,不仅节省空间,而且回看起来也能找回当时拍摄时的感觉,非常有趣。

    连拍照片可以尝试做成 GIF 文件

    一般来讲,整理照片越早下手越好,趁“一路见闻”还有印象,更有利于科学归档。拍摄照片要讲究技术技巧,整理照片也有别样乐趣。

  • ?

    8张图片告诉你,一个人4年可以生产多少垃圾

    爱德华

    展开

    从2011年起,法国摄影师Antoine Repessé开始停止丢弃那些可回收的垃圾。 这是四年用的1600个牛奶盒。

    四年用的饮料瓶

    四年用的饮料瓶

    800公斤报纸,不过我们好像不是害怕这个问题,毕竟我们都爱手机

    4800个卫生纸纸筒

    四年吸的香烟,不过大美姐比较好奇,为啥不能用买香烟的钱换个车?

    这才是真正的浪漫呐!

    四年用的洗护用品,而大美姐无论洗澡还是洗头都用香皂,看来我太好养活了~

  • ?

    几张震撼心灵的图片,看完你还好意思乱扔垃圾吗

    凯茜

    展开

    在海龟幼年时无意钻进人类乱扔的垃圾中,此后伴随它长大,以至于龟壳畸形。

    死亡的鸟类身体腐烂后体内露出人类制造的塑料垃圾。

    被一个易拉罐卡住了嘴,最后无奈死去

    乱扔的海洋垃圾套住了嘴巴。

    这个“壳”,将伴随它的一生

    丝网深深地勒住它的脖子,随着它的长大,丝网越来越紧。

  • ?

    人工智能是如何识别一张黄图的?

    邵寒梅

    展开

    前言

    本文尝试用通俗的语言为大家介绍人工智能是如何实现“黄图”的识别的,全文没有复杂的公式和晦涩的术语,适合初级技术人员和有强烈好奇心的读者。如果有兴趣对文章内提及的一些人工智能的基础概念(神经网络,梯度下降,卷积等)深入研究,网上资料已经很多了,可以自行查阅。(注意:由于演示需要,本文可能包含一些尺度较大的图片。)

    色情作为人类最基本欲望的体现之一,一直伴随着人类社会的发展而以不同形式展现着。互联网时代的到来也给色情的表现形式带来了巨大的机会,有文章说互联网上的流量有50%都是与色情相关的,我不能证实这个数据的真实性,不过读者可以在日常生活中自行体会。

    当然今天我们不讨论色情产业的合理性,只专注于从技术角度研究如何鉴别互联网上的这些数字内容。接下来我结合网易信息安全部门的实践经验来解释如何做到这件事。

    鉴黄的历史

    在计算机的“远古时代”,其实也就是十几年前吧,我们识别黄图的做法简单粗暴:人工审核。别小看了这个方法,其实针对当时的网络环境(带宽小,产品少,图片数据也少),效果还是很不错的。一天几万的图片量,安排几个人肉眼盯着看,发现有不良的图片人工删掉就好了。

    后来,互联网产品普及率高了,网络数据量暴增,一个产品一天出现几百万的图片量也是很正常的情况,这个时候想要靠堆人力去完成审核几乎不可能了。(再说,有多少产品可以支撑得起几百上千审核人员的成本呢)。幸好相应的计算机视觉技术也有进步了,我们用肤色识别算法过滤掉一些没那么多“黄色”内容的图片,剩下的再进入到人工审核,可以大大节约审核量。据统计,经过机器肤色识别过滤后大约只有20%的图片还需要人工审核。

    等到移动互联网普及,各种类型的网络数据量暴增,人工审核连20%的数据量也无法承受了,加上视频、直播等业务和数据的爆发式增长,我们迫切需要一个更加有效的方案来解决审核的问题。很自然的,我们也紧跟人工智能的技术热潮开始研发机器学习的鉴黄系统,并且取得了显著成果。

    人工智能鉴黄原理

    辨别一张图是不是黄图,从机器学习的角度看,本质上是一个分类问题:给定一张图片,让机器判断是不是“黄图”。我们要做的就是研发一个“分类器”,它能根据输入的图片计算出该图片属于“黄图”类别的概率,然后再根据这个概率值输出一个“是”或者“否”的结果。众所周知,电脑擅长的是数学运算,所以我们要把这个“分类器”先抽象成某种数学模型,这样才有可能用电脑来运算。

    为了方便理解,我们把数学模型定义为:y=f(x)。即给定图片x,我们要找到一个函数f,通过计算f(x)可以得到这个图片的黄图概率y。很简单吧!理论上这个数学模型可以解决所有的分类问题。好了,那这个看似简单的工作到底应该怎么实现呢?我们按下面的步骤慢慢来:

    第一步:给出定义。既然你要教机器分类,自然要有明确的分类标准,如果标准都没有,那机器计算出来的值就没有意义了。很自然的,我们先把露点的图片归类到黄图,再明确一点,就是男性露下体,女性露乳房或者下体的图。不过,多年的实践经验告诉我们只根据是否漏点来判断图片类别是远远不够的。比如这张图:

    【介于图片尺度问题,无法公开,大家可以想象一张裸体XXOO但不露点的侧身图】

    (图1:没露点的色情)

    它并没有露点,但是很明显不能认为它是一个正常图片。(不考虑政策监管因素,仅从学术研究的角度讲,也应该把这个图片归类到黄图的一种)。反之,也并不是所有露点的图片都是黄图,比如图2:

    (图2 :特殊但合理)

    然而,意识到这些仅仅是定义工作的开始,在真实世界的数据形态和政策法规的约束下,更多的图片需要被分类,比如图3、图4等等:

    (图3: 此处想象一张低俗但不漏点的图片)

    通过上面的例子是为了让大家明白,仅靠“黄图”这样一个笼统的定义是无法满足实际情况的。我们得把一个“二分类问题”演进成更加复杂的“多分类问题”,并且尽量把定义和标准清晰化,这显然是一个庞大和繁杂的工作。我们组建了专门的运营团队对数据和政策法规进行研究,根据实际情况积累了许多的分类定义和标准。

    第二步:收集样本。有了定义之后,我们就要根据定义来收集样本数据。幸好我们之前多年的审核工作积累了大量的图片数据,其中有很多经过了人工审核确认是黄图的,所以我们从里面筛选出部分图片作为训练的数据。由于定义的分类数量非常多,我们不得不开发专门的分类标签系统并组建额外的人工标注团队,把训练数据做进一步的筛选。训练数据的质量好坏对效果的影响非常大,所以我们必须很有耐心地投入到训练数据准备的工作中。这个工作消耗了大量的时间和人力成本,并且还一直在持续进行中。由于都是违禁的图片,为了避免二次传播,我们也难以像ImageNet一样通过众包的形式来完成。

    第三步:训练模型。回到一开始的数学模型y=f(x),训练模型的目的就是为了得到f。我们通过前面的两步得到了标注好的图片样本集,把标注的结果定义为y*,图片为x,现在我们要想办法找到一个f,可以对样本集中所有的图片计算得到的y跟y*最接近,也就是得到使|y- y*|的值最小的f。我们可以把|y- y*|定义为损失函数。如何找一个函数的最小值在数学界已经有成熟的算法。一般采用梯度下降法去寻找合适的f。

    虽然所有图片数据在电脑看来也都是0和1的二进制数据,比如下图就是前面图1的二进制形态的片段。但是直接拿这些0和1的数据计算,容易导致运算量过大,图片特征提取的效率和准确度都难以保证。

    如何高效地提取出特征数据来代表图片x是很关键的一步。技术上称之为特征提取。幸好许多前辈科学家已经做了大量的研究,近些年来,基于深度学习的神经网络模型在各种图像识别的比赛中获得了突破性的进展。所以我们选用了CNN(卷积神经网络)、GoogLeNet、ResNet(残差网络)三种深度网络模型结构作为研究的基础。通过这些模型,我们就可以更加高效地把图片数据转变成了可以运算的数学模型,使我们可以更快更好地得到f。

    当然实际情况下f是一个非常复杂的函数,为了简化运算,我们把f拆分成了fn(fn-1(fn-2(f…(f2(f0))…)),每一个f可以理解为神经网络的一层,n个f就是n层,这种层层递进的关系就是算法名称中“深度”的由来。理论上我们可以搭建任意深度(层次)的神经网络模型。把f拆分之后,我们用倒推的办法就能得到每一层的f。

    我们以图4为例,经过不同层次的f运算得到的结果,如下图6:

    (图6:不同网络层次特征结果)

    每一个层次的f可能会得到许多特征结果,有一些是模型对应特征的响应(对应图中有高亮的部分),有一些没有响应(图中黑色部分)。最终经过所有层级的f运算所得结果经过Sigmoid函数映射到0-1之间,得到的就是y值了。y越接近1,那么它命中类别的概率就越大。演化到多分类的问题上,y就是一个多维度的数,理论上每个维度都可以得到一个0-1之前的值,我们按照一定算法选择某一个维度的y作为结果输出即可(一般按照y值大的)。

    第四步:验证。经过前面3步运算我们得到了f。(其实是n层神经网络的参数,也就是所谓的“黄图”模型)。f的可视化结果可以参看图7(以GoogLeNet为例),图7展示了10个224*224的RGB图片作为输入,在第二个卷积层的时候就需要64*3*3*64=36864个f的参数。当然这个是在计算一个非常简单的图示情况下的数据量,实际情况的输入数据和网络深度都要远远大于图片所展示的。我们常说的算法调参,就是指调整这些f的上万甚至上百万个参数。

    (图7 :神经网络结构模型)

    接下来我们需要有一个验证的图片集来测试f的效果。由于f是根据训练集生成的,那么直接用训练集不足以反映它在真实环境下的效果。得益于我们大量的历史样本数据集,我们专门挑选一些图片作为验证使用。通过一个自动化的测试平台不停地对迭代出来的f做验证。在准确率达到更优的程度之后再更新上线。

    人工智能鉴黄现状

    我们经过不断迭代,得到了越来越精准的f(模型),在验证图集上也达到了99.8%以上的准确率。那么,我们就可以高枕无忧了么?恐怕还不行。

    首先我们考虑真实世界里的场景:虽然互联网产品类型多样,但产品里面黄图的比例往往很小,一般都是万里挑一甚至是十万分之一的级别(明目张胆玩情色的产品在中国活不久)。我们假设10k张图像中有1张是黄图,我们的系统准确率为99.9%,即1k张图像会判错一张,那么我们计算伪阳性率(False Positive Rate),即判断为违禁图像集合中正常样本的比例为:

    即11张判定为黄图的结果里面竟有10张是误判!不过用户也不用过分担心,统计为误判的图像,多数情况属于一些边界的情况,实际使用效果会更好。

    其次,深度学习的模型会有一些奇怪的行为表现,比如相关论文([1] Goodfellow, Ian J., Jonathon Shlens, and Christian Szegedy. "Explaining and harnessing adversarial examples." arXiv preprint arXiv:1412.6572 (2014).)里面描述的情况(图8)

    (图8)

    一张原本能被正确识别的大熊猫图像,在添加人眼几乎不可辨认的微小变化之后,竟然以99.3%的置信度被判别为长臂猿。

    是神经网络结构有问题吗?不是,这个实验是基于获得ILSVRC竞赛冠军的GoogLeNet网络进行的。

    是训练数据的问题吗?也不是,网络是基于目前最大的物体识别分类数据集ImageNet训练的。

    也就是说,对于一个卷积神经网络,出现难以解释的正常图像误判是普遍现象。即便是在实际应用或比赛中取得满意效果和优异成绩的算法,也会犯反人类直觉的“低级”错误。

    基于以上的原因,在真实的场景下,我们往往采取机器审核+人工审核的方式来做到双重保险。

    结语

    以上通过尽量简单的描述说明了网易云安全(易盾)反垃圾系统在识别黄图这个工作中所作的努力和成果。但是也提到了许多的挑战,比如反人类直觉的低级误判问题,对于边界条件的图片识别准确率问题等。技术的进步是无止境的,网易云安全(易盾)实验室的算法工程师们也一直在努力。目前,网易云安全(易盾)已经面向企业市场,我们每天会为中国的互联网过滤1亿条左右的有害信息。除了智能鉴黄,网易云安全(易盾)同时开放有广告过滤、暴恐识别、谣言检测等内容安全服务,验证码、营销反作弊、应用加固等业务安全服务,以及DDoS防护、SSL证书管理等网络安全服务。

所有视频需要登录后,才能观看

请先登录您的帐号,即可完整播放,如果您尚未注册帐号,请先点击注册。