基于 ResNet 的不良图片识别模型
摘要
随着现代移动互联网设备以及社交软件的迅速发展，网络用户每天都会上传大量的图片内容到互联网中，为保证网络空间的环境清明，通过各种手段来识别和过滤网络色情图片是很有必要的。针对实际应用中色情图片的复杂多样性问题，运用了基于 ResNet（深度残差网络）的不良图片识别模型，对图片进行判类、不良程度打分，从而实现真对不良图片的自动化判例。测试结果表明，该方案在时间效率、模型置信度以及识别准确率上具有良好的效果。
目录
基于 ResNet 的不良图片识别模型 1
摘要 1
介绍 1
研究背景 1
相关研究 2
实验方案 3
数据预处理 3
分类模型 – ResNet 4
网页展示 12
实验 12
训练情况 13
模型结果分析 18
前端展示 20
总结 26
对项目的理解 26
承担的工作 27
体会 28
参考文献 28
介绍
研究背景
随着 Web 2.0时代的到来，用户在浏览网络空间的信息的同时，也能自由地发表自己的看法、观点，越来越多的人们开始以图片、视频等形式在网络上分享自己的生活。然而，受利益驱动，一些不法分子会借此在论坛、贴吧、博客、微博等公共平台中上传一些不雅视频、照片以吸引流量或达到其他目的，这使得网络淫秽色情现象仍然较为严重。
一方面，随着越来越多的年轻用户、儿童群体接触互联网，网络空间中的不雅图片会对其造成巨大的伤害；另一方面，在公司办公场所和学校教育场所等地方， 应该过滤掉这些网络不良内容。基于此，2021年 3月，全国“扫黄打非”办公室作出安排部署：即日起至 11月底开展“新风2021”集中行动，“新风”行动将以“护苗2021”“净网2021”“秋风2021”专项行动为开展平台，通过摸底排查、接收群众举报等方式对网络空间进行整治。
然而人工的成本是巨大的。因此，随着机器学习和人工智能的快速发展，越来越多的理论被提出，越来越多的技术开始代替人工、被应用于不良图片的鉴别。
在这个过程中，如何通过技术手段更准确、更有效地识别和过滤网络色情图片，一直是一个重要的研究课题。国内外的许多学者对不良图片的识别技术做出了许多尝试，并取得了一些进展。
