基于人工智能的鑒黃系統(tǒng)開(kāi)發(fā)

高昌盛 臺(tái)州科技職業(yè)學(xué)院

1 引言

隨著互聯(lián)網(wǎng)的飛速發(fā)展和信息量的猛增，大量的色情、暴力、政治敏感、違法等不良信息充斥其中，嚴(yán)重影響著互聯(lián)網(wǎng)的健康發(fā)展。目前隨著互聯(lián)網(wǎng)市場(chǎng)上交友軟件以及直播視頻軟件的流行，中國(guó)有著各類在線直播數(shù)百家，以文字、圖像、聲音為傳播的開(kāi)放平臺(tái)數(shù)量更是與日俱增，涵蓋了財(cái)經(jīng)、體育、游戲等各個(gè)領(lǐng)域，這其中既有騰訊、YY、小米等大平臺(tái)，也有各類垂直直播平臺(tái)。2015 年華創(chuàng)證券的研究報(bào)告顯示，直播行業(yè)的市場(chǎng)規(guī)模已然達(dá)到120 億，而艾媒咨詢的報(bào)告則認(rèn)為直播行業(yè)的市場(chǎng)規(guī)模達(dá)到90 億。近些年UGC 模式大行其道，眾多上網(wǎng)人員網(wǎng)絡(luò)法律法規(guī)意識(shí)淡薄，將惡俗、色情、反動(dòng)等不法視頻、圖片資源上傳至網(wǎng)絡(luò)，內(nèi)容審查成了互聯(lián)網(wǎng)公司最基本的需求。“鑒黃”勢(shì)在必行，市場(chǎng)需求激增。

傳統(tǒng)的“鑒黃”審核方式是人工審核，相關(guān)互聯(lián)網(wǎng)企業(yè)都有專門(mén)的“鑒黃”從業(yè)人員來(lái)做內(nèi)容審核，但目前的人工“鑒黃”師隊(duì)伍無(wú)法跟上網(wǎng)絡(luò)內(nèi)容發(fā)展的速度，并且人工審核存在天然缺陷，包括：人力成本高、審核不及時(shí)、主觀判斷影響結(jié)果、人性道德等問(wèn)題；加上“鑒黃”從業(yè)人員的缺乏，高強(qiáng)度的“三班倒”工作下，人工操作常見(jiàn)的審核效率低、誤判漏判準(zhǔn)確率低等問(wèn)題最為常見(jiàn)。實(shí)際上，當(dāng)直播高峰期成千上萬(wàn)的主播在線，可以說(shuō)人工“鑒黃”師隊(duì)伍真是寡不敵眾。

隨著計(jì)算機(jī)視覺(jué)、改進(jìn)的訓(xùn)練數(shù)據(jù)和深度學(xué)習(xí)算法的發(fā)展，計(jì)算機(jī)現(xiàn)在能夠以更高的精度自動(dòng)分類色情圖像內(nèi)容。

2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與權(quán)衡

近 年 來(lái)， 卷 積 神 經(jīng) 網(wǎng) 絡(luò)（Convolutional Neural Network,CNN）在圖像分類問(wèn)題上已經(jīng)非常成功。自2012 年以來(lái)，新的CNN 架構(gòu)不斷提高標(biāo)準(zhǔn)ImageNet 分類挑戰(zhàn)的準(zhǔn)確性。一些重大突破包括AlexNet（2012），GoogLeNet，VGG（2013）和Residual Networks（2015）。

CNN 是一種前饋神經(jīng)網(wǎng)絡(luò)，它的人工神經(jīng)元可以響應(yīng)一部分覆蓋范圍內(nèi)的周?chē)鷨卧瑢?duì)于大型圖像處理有出色表現(xiàn)，它包括卷積層(alternating convolutional layer)和池層(pooling layer)。在常見(jiàn)構(gòu)筑中，卷積層和池化層為卷積神經(jīng)網(wǎng)絡(luò)特有。卷積層中的卷積核包含權(quán)重系數(shù)，而池化層不包含權(quán)重系數(shù)，因此在文獻(xiàn)中，池化層可能不被認(rèn)為是獨(dú)立的層。卷積層的功能是對(duì)輸入數(shù)據(jù)進(jìn)行特征提取，其內(nèi)部包含多個(gè)卷積核。在卷積層進(jìn)行特征提取后，輸出的特征圖會(huì)被傳遞至池化層進(jìn)行特征選擇和信息過(guò)濾。

這些網(wǎng)絡(luò)在運(yùn)行時(shí)，內(nèi)存要求和準(zhǔn)確性方面有不同的權(quán)衡。運(yùn)行時(shí)和內(nèi)存要求的主要指標(biāo)是：

觸發(fā)器或連接-神經(jīng)網(wǎng)絡(luò)中的連接數(shù)決定了正向傳遞期間的計(jì)算操作數(shù)，這與圖像分類時(shí)網(wǎng)絡(luò)的運(yùn)行時(shí)間成正比。

參數(shù)-神經(jīng)網(wǎng)絡(luò)中的參數(shù)數(shù)量決定了加載網(wǎng)絡(luò)所需的內(nèi)存量。

理想情況下，我們需要一個(gè)具有最小觸發(fā)器和最小參數(shù)的網(wǎng)絡(luò)，這將實(shí)現(xiàn)最大精度。

3 系統(tǒng)實(shí)現(xiàn)

3.1 系統(tǒng)建模

我們使用一個(gè)簡(jiǎn)單的卷積網(wǎng)絡(luò)模型，以正圖像（色情圖片）和負(fù)圖像（正常的圖片）做為數(shù)據(jù)訓(xùn)練模型。使用Caffe 深度學(xué)習(xí)庫(kù)與CaffeOnSpark 進(jìn)行訓(xùn)練。后者是一個(gè)強(qiáng)大的分布式學(xué)習(xí)開(kāi)源框架，它將Caffe 深入學(xué)習(xí)Hadoop 和Spark 集群用于訓(xùn)練模型。

在訓(xùn)練時(shí)我們將圖像調(diào)整為256*256 的正方形圖片，并進(jìn)行水平翻轉(zhuǎn)以進(jìn)行數(shù)據(jù)增強(qiáng)，隨后將圖片進(jìn)行隨機(jī)裁剪后進(jìn)入神經(jīng)網(wǎng)絡(luò)。

這個(gè)AI 鑒黃方案叫NSFW JS，它在GitHub上進(jìn)行了開(kāi)源，可以點(diǎn)此進(jìn)入它的GitHub 主頁(yè)。開(kāi)發(fā)者可以插入它的相關(guān)代碼，將其運(yùn)用到相應(yīng)的產(chǎn)品當(dāng)中。NSFW JS 網(wǎng)頁(yè)版使用起來(lái)還是比較簡(jiǎn)單的，等待代碼加載完成后，將圖片拖動(dòng)到網(wǎng)頁(yè)中的識(shí)別框就可以了。NSFW JS 會(huì)智能識(shí)別圖片，并能在下方給出圖片涉及怎樣的內(nèi)容的概率。

3.2 視頻鑒定

視頻的鑒定在NSFW 項(xiàng)目的基礎(chǔ)上面改進(jìn)了封裝，用來(lái)檢測(cè)視頻是否是色情視頻。首先，這個(gè)項(xiàng)目是基于Caffe 的，使用的網(wǎng)絡(luò)結(jié)構(gòu)是ResNet 網(wǎng)絡(luò)。使用FFMPEG 完成對(duì)視頻的檢測(cè)，從視頻中提取幀數(shù)，每N 秒提取一次圖像，為了檢測(cè)更加精確，可以修改N 的間隔時(shí)間。

檢測(cè)分為三個(gè)等級(jí)，score＜0.2 的表示很安全，socre>0.8 的表示有很大的可能性是色情的，最后進(jìn)行程序輸出。

輸出頁(yè)面的內(nèi)容包括：總共提取檢測(cè)視頻中的圖像幀數(shù)；很安全safe 的數(shù)量，占的比重（socre＜0.2）；medimum 介于危險(xiǎn)和安全之間的數(shù)量、比重（score>=0.2&&score＜=0.8）；dangerous，有很大可能性是色情占的比重（score>0.8）。

最后我們可以根據(jù)dangerous 占的比重可以確定視頻是否是色情視頻，再交由人工審核確認(rèn)，可以有效降低鑒黃師的工作量。

4 實(shí)驗(yàn)測(cè)試

最后運(yùn)行命令：

Python launch_video_detact.py --comtent 2017.mp4 --step 30

設(shè)置隔30 秒提取的幀數(shù)，檢測(cè)的影片是《看不見(jiàn)的客人》，實(shí)驗(yàn)結(jié)果如下：

92.453 %概率顯示確定《看不見(jiàn)的客人》非常安全，可以不用交于人工審核。

再對(duì)NPDI 測(cè)試集里的一段視頻進(jìn)行檢測(cè)，dangerous 所占比重超過(guò)80%，需要交由人工審核。

結(jié)語(yǔ)

利用python 和卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，通過(guò)學(xué)習(xí)足夠數(shù)量的樣本，從數(shù)據(jù)中自己構(gòu)建模型，開(kāi)發(fā)基于人工智能的鑒黃系統(tǒng)，同步客戶審核標(biāo)準(zhǔn)。先對(duì)圖片和視頻進(jìn)行機(jī)器審核，智能評(píng)定安全等級(jí)；再將疑似色情低俗內(nèi)容視頻、圖片交付人工審核確認(rèn)，能有效改變傳統(tǒng)方式下“鑒黃”師人工通過(guò)肉眼鑒別色情圖片和視頻效率低下、誤判率高等問(wèn)題，達(dá)到高效準(zhǔn)確的目的。