小小樹莓派鑑黃初體驗 OpenNSFW on RPi

OpenNSFW是雅虎數年前已經訓練好的一個鑑黃模型（是的只是模型而已，素材請自行解決）。既然已經在小樹莓派上搭建好了Caffe，那麼何不試試基於Caffe的鑑黃模型？

Caffe環境

關於樹莓派（64位的，32位可參考）Caffe環境的搭建，以前的一遍文章已經談過，能夠去參考一下。

另外，須要把Caffe的Python接口也編譯了，即pycaffe環境：

# 在caffe目錄下執行
make pycaffe -j4

而後記得往PYTHONPATH裏面添加此庫：

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

檢驗pycaffe庫是否配置正確：在python中import一下，以下便可。

若是在編譯pycaffe、添加了PYTHONPATH後，在import時出現No module named xxxx的狀況，緣由是python庫還沒裝好，方法：

1. 在caffe/python目錄下執行pip install -r requirements.txt
2. 使用apt安裝確實的python包

OpenNSFW

找個地方克隆下這個關鍵的模型，因爲該模型略大，所以git-clone仍是會挺久的，有障礙的話能夠直接下載zip包。

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

克隆或者解壓後進入目錄，而後準備一下素材圖片：

而後執行命令：

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改爲圖片路徑便可，好比此處換成test1.png便可，就會獲得該圖片涉黃的機率：

從結果中看出，XX得分是0.6067，我的能夠將它理解爲XX機率，即60%的XX機率。

再舉個例子（抱歉，重碼！）：

幸虧重碼，否則涉黃分數都高達0.8488了。。

再來舉個反例試試吧（此次就不用打碼了）：

得分：

小到不敢相信，誠不欺我！！

初體驗總結

試了一下，圖像檢測的時候資源耗用也沒有想象中那麼高，彷佛也就幾百M內存，以及一點點計算資源，連樹莓派這樣的小機器都能在數秒內檢測完。相信結合其餘東西會更好玩。

先這樣吧

如有錯誤之處請指出，更多地關注煎魚。