人工智能鉴黄的原理是什么?
发布网友
发布时间：2022-04-23 12:42
共1个回答
热心网友
时间：2023-10-13 20:09
人工智能鉴黄是通过深度学习目标检测、图像分类、特征检索等技术对图像中的局部和全局信息进行分析，捕获不同类型的*内容，此外系统还会通过OCR、标志识别、水印检测等技术手段协助判断隐藏在图像视频中的敏感内容，包括*微信推广、*APP、个人联系方式等。
在算法类型上，图像识别中最常见的就是图像分类算法，从AlexNet到VGG，从ResNet到DenseNet，目前的图像分类算法可以较为准确地区分ImageNet的1000类数据，鉴黄本身也是对输入图像做分类，因此采用图像分类算法就是顺其自然的事。
其次，目标检测算法可以用来检测*图像中的*部位，也是比较可靠的手段。此外，还有基于业务层面构造的特征和逻辑，比如是否有人、皮肤的面积等，用来辅助判断，在一些情况下确实是有效的。
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。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“*”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，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。
热心网友
时间：2023-10-13 20:09
人工智能鉴黄是通过深度学习目标检测、图像分类、特征检索等技术对图像中的局部和全局信息进行分析，捕获不同类型的*内容，此外系统还会通过OCR、标志识别、水印检测等技术手段协助判断隐藏在图像视频中的敏感内容，包括*微信推广、*APP、个人联系方式等。
在算法类型上，图像识别中最常见的就是图像分类算法，从AlexNet到VGG，从ResNet到DenseNet，目前的图像分类算法可以较为准确地区分ImageNet的1000类数据，鉴黄本身也是对输入图像做分类，因此采用图像分类算法就是顺其自然的事。
其次，目标检测算法可以用来检测*图像中的*部位，也是比较可靠的手段。此外，还有基于业务层面构造的特征和逻辑，比如是否有人、皮肤的面积等，用来辅助判断，在一些情况下确实是有效的。
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。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“*”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，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。
