深度学习技术系列(1):Mosaic Model — 不良图片检测开源模型
2016-11-05 17:40
656 查看
最近整理了在图像深度学习方面的一部分工作,开源了一个不良图片检测的CNN模型(Mosaic Model),放在了github上。目前github上开源了最新的模型,以及demo的python文件,可以直接下载使用,后续会维护模型更新,进一步提高准确率。欢迎大家使用,欢迎Issue,欢迎Star。这篇文章简单做个说明。
Mosaic Model是面向图片检测训练的深度学习CNN模型,计划能够针对多种不良图片给出检测结果,现在首先实现了色情图片的检测。
Mosaic Model基于keras实现,提供了JSON格式的网络模型,以及HDF5格式的权重文件,在使用时,首先Load模型定义,然后Load模型的参数,就可以使用predict函数进行图片的预测。简单的使用例子如下:
输入命令,并回车:
上面命令中./data/test/6.jpg是被检测的图片。
如果正确执行,可以看到打印输出给出了被测图片是色情的概率:
Mosaic Model使用了2层CNN网络和3层FC网络,网络结构如下:
Input: [3,32,32]
CNN layer1: [64,3,3]
CNN layer2: [64,3,3]
FC layer1: 128
FC layer2: 128
Output FC layer3: 1
在测试数据集合上(正例/反例各3000例),准确率为96%。
深度学习技术系列(1):Mosaic Model—开源不良图片检测模型 by GM,guomeng10@qq.com
欢迎转载,请注明原文链接:http://blog.csdn.net/gmer1/article/details/53046661
Mosaic Model是面向图片检测训练的深度学习CNN模型,计划能够针对多种不良图片给出检测结果,现在首先实现了色情图片的检测。
Mosaic Model基于keras实现,提供了JSON格式的网络模型,以及HDF5格式的权重文件,在使用时,首先Load模型定义,然后Load模型的参数,就可以使用predict函数进行图片的预测。简单的使用例子如下:
输入命令,并回车:
python mosaic_porngraphic_cnn_demo.py ./data/test/6.jpg
上面命令中./data/test/6.jpg是被检测的图片。
如果正确执行,可以看到打印输出给出了被测图片是色情的概率:
Mosaic: detect porngraghic ===================================== loading CNN model.......... load OK! loading weights.......... load OK! Try to Predict input images: ===================================== Input image is: ./data/test/6.jpg The PORNGRAPHIC probability is: 100.000%
Mosaic Model使用了2层CNN网络和3层FC网络,网络结构如下:
Input: [3,32,32]
CNN layer1: [64,3,3]
CNN layer2: [64,3,3]
FC layer1: 128
FC layer2: 128
Output FC layer3: 1
在测试数据集合上(正例/反例各3000例),准确率为96%。
深度学习技术系列(1):Mosaic Model—开源不良图片检测模型 by GM,guomeng10@qq.com
欢迎转载,请注明原文链接:http://blog.csdn.net/gmer1/article/details/53046661
相关文章推荐
- Sharepoint学习笔记 –架构系列—Sharepoint的服务器端对象模型(Server Object Model) 2.内容层次结构
- 深度学习(主要是CNN)用于图片的分类和检测总结
- R-CNN,SPP-NET, Fast-R-CNN,Faster-R-CNN, YOLO, SSD系列深度学习检测方法梳理
- [置顶] 恶意代码--adobe启发式开源检测病毒引擎技术学习分享
- 分布式缓存技术redis学习系列(二)——详细讲解redis数据结构(内存模型)以及常用命令
- Sharepoint学习笔记 –架构系列—Sharepoint的服务器端对象模型(Server Object Model) 3.服务层次结构
- 深度学习与人脸识别系列(5)__vgg人脸识别模型测试
- caffe的python接口学习:用训练好的模型(caffemodel或者h5)来分类新的图片
- 【深度学习笔记】深度学习用于图片的分类和检测总结
- 【深度学习:目标检测】深度学习检测方法梳理:R-CNN,SPP-NET, Fast-R-CNN,Faster-R-CNN, YOLO, SSD系列
- Deep Learning(深度学习)学习笔记整理系列之常用模型(四、五、六、七)
- PhotoDNA的不良图片检测技术
- 深度学习用于图片的分类和检测总结
- 开源的深度学习工具包,深度学习模型的python代码实现
- Sharepoin学习笔记—架构系列-- Sharepoint的处理(Process)与执行模型(Trust Model) 2
- Sharepoint学习笔记—架构系列-- Sharepoint的数据模型(DataModel)、数据管理(Data Management)与查询(Query System)
- 引擎系列学习【一】Color Model(颜色模型)
- 【深度学习介绍系列之三】——十个值得一试的开源深度学习框架
- 深度学习与人脸识别系列(4)__利用caffe训练深度学习模型
- 分布式缓存技术redis学习系列(二)——详细讲解redis数据结构(内存模型)以及常用命令