前方高能預(yù)警,非戰(zhàn)斗人士請火速撤離……
今天給大家介紹一個(gè)在 GitHub 上一個(gè)開源的鑒黃圖像數(shù)據(jù)集,它擁有 158萬的數(shù)據(jù)量,叫做 NSFW data source URLs,目前該項(xiàng)目已收獲 918 star 了。
項(xiàng)目地址:
https://github.com/EBazarov/nsfw_data_source_urls
在 raw_data 文件夾里,可以找到不同的 .txt 格式的文檔,每個(gè)文檔都含有一組 URL,以下是關(guān)于該數(shù)據(jù)集的一些統(tǒng)計(jì)信息:
159個(gè) 不同的類別
158.9331 萬個(gè) URL
下載并清洗后大約有 500GB,或者說有 130 萬張 NSFW 圖像
以下為項(xiàng)目中圖片截圖示例:
注意事項(xiàng):
1. 建議下載后清洗下數(shù)據(jù)集,例如:
刪除重復(fù)圖片
移動(dòng)被禁止/刪除掉的圖片(它們有一個(gè)特殊的圖像占位符)
找出損壞的數(shù)據(jù)并將其刪除
2. 注意噪聲,一些資源提供了 NSFW 和中性圖像的高度混合數(shù)據(jù)。
3. 該庫還可以幫助檢索 NSFW 圖像,針對中性圖像沒有專用的 URL。
值得一提的是,在該項(xiàng)目之前還有一個(gè)類似的開源項(xiàng)目 nsfw_data_scrapper,里面有 22 萬張圖像,同樣也可以用來檢測或訓(xùn)練鑒黃系統(tǒng)。
-
數(shù)據(jù)集
+關(guān)注
關(guān)注
4文章
1197瀏覽量
24538 -
GitHub
+關(guān)注
關(guān)注
3文章
461瀏覽量
16237
原文標(biāo)題:上班時(shí)間請勿打開,158萬張鑒黃圖片數(shù)據(jù)集來嘍~
文章出處:【微信號:rgznai100,微信公眾號:rgznai100】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論