小小树莓派鉴黄初体验 OpenNSFW on RPi

OpenNSFW是雅虎数年前已经训练好的一个鉴黄模型（是的只是模型而已，素材请自行解决）。既然已经在小树莓派上搭建好了Caffe，那么何不试试基于Caffe的鉴黄模型？

Caffe环境

关于树莓派（64位的，32位可参考）Caffe环境的搭建，之前的一遍文章已经谈过，可以去参考一下。

另外，需要把Caffe的Python接口也编译了，即pycaffe环境：

# 在caffe目录下执行
make pycaffe -j4

然后记得往PYTHONPATH里面添加此库：

vim ~/.zshrc
vim ~/.bashrc
export PYTHONPATH=/path/to/caffe/python:$PYTHONPATH

检验pycaffe库是否配置正确：在python中import一下，如下即可。

image

如果在编译pycaffe、添加了PYTHONPATH后，在import时出现No module named xxxx的情况，原因是python库还没装好，方法：

1. 在caffe/python目录下执行pip install -r requirements.txt
2. 使用apt安装确实的python包

OpenNSFW

找个地方克隆下这个关键的模型，由于该模型略大，因此git-clone还是会挺久的，有障碍的话可以直接下载zip包。

git clone https://github.com/yahoo/open_nsfw.git

克隆或者解压后进入目录，然后准备一下素材图片：

image

然后执行命令：

python ./classify_nsfw.py --model_def nsfw_model/deploy.prototxt --pretrained_model nsfw_model/resnet_50_1by2_nsfw.caffemodel INPUT_IMAGE_PATH 

把其中的INPUT_IMAGE_PATH改成图片路径即可，比如此处换成test1.png即可，就会得到该图片涉黄的概率：

test1 image

从结果中看出，XX得分是0.6067，个人可以将它理解为XX概率，即60%的XX概率。

再举个例子（抱歉，重码！）：

test2 image

幸好重码，不然涉黄分数都高达0.8488了。。

再来举个反例试试吧（这次就不用打码了）：

test3

得分：

image

小到不敢相信，诚不欺我！！

初体验总结

试了一下，图像检测的时候资源耗用也没有想象中那么高，似乎也就几百M内存，以及一点点计算资源，连树莓派这样的小机器都能在数秒内检测完。相信结合其他东西会更好玩。

先这样吧

若有错误之处请指出，更多地关注煎鱼。