鉴黄师的福星——AI识别黄暴图片哪家强

要想年底不吃土，Q4就要肯吃苦！

国庆长假一过，社畜的生活就又开始辽。就在马可君紧张码字的时候接到朋友小H的电话，这位朋友一直是朋友圈独特的存在，因为他职业的特殊性，他是一名鉴黄师。

惊奇的接起电话，小H的声音充满了疲惫，在一番你来我往后得知，因为每天都要面对大量的大尺度涉黄图片，现在已经在崩溃晕片的边缘，职业生涯家庭生活都受到了冲击，听到这里马克君放开紧握的鼠标，嘴角露出微笑。这恰好是俺平平无奇马可君了解的领域。

其实各大公有云厂商都有推出自己的安全图片检测的功能，马克君曾经有缘实测过GoogleVision ，今天就跟大家聊聊GoogleVision关于黄暴图片的检测。

Google Vision 调用Unsafe Detecting API都是非常简单的，本次测试数据集为100张实际场景中因为Unsafe被下架的图片，内容涵盖有人类明显暴露，暗示，动物暗示，卡通暗示等多个纬度的素材。

我们先用1张不会被和谐的图片简单测试一下：

Google Vision在官网上有可视化的试用拖拽窗口

Google Vision Explicit 的标签分为adult、spoof、medical、violence、racy

程度分为very_unlikely、unlikely、possible、likely、very_likely

从反馈上看racy very_likely是比较理想的，但medical likely是有一些迷惑。

下面简单介绍一下Google Vision 的操作步骤：

检测图片存储在Google Cloud Storage中

请求 JSON 正文：

{
  "requests": [
    {
      "image": {
        "source": {
          "imageUri": "cloud-storage-image-uri"
        }
      },
      "features": [
        {
          "type": "SAFE_SEARCH_DETECTION"
        }
      ]
    }
  ]

在Cloud Shell中执行如下命令：其中imageUri替换为图片的GCS的存放路径

curl -X POST \
-H "Authorization: Bearer "$(gcloud auth application-default print-access-token) \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
https://vision.googleapis.com/v1/images:annotate

下面就是图片的检测结果惹

目前很多内容平台、社交平台等已经在使用Google Vision来进行内容审核，这对于帮助鉴黄师高效工作快乐生活有很大的作用。但是在机器识别之下总会有一些漏网之鱼，这个时候鉴黄师又要开始发光发热了！

今天的内容就到这里啦，通过收集这些图片进行检测，马可君已经体会到了鉴黄师的辛苦，不说了，马可君需要缓一缓，我们下期再见咯！

先别划走~下期内容大家有什么期待不？有的话，可以在评论区留言哦！