OpenNSFW是雅虎數(shù)年前已經訓練好的一個鑒黃模型（是的只是模型而已，素材請自行解決）葡秒。既然已經在小樹莓派上搭建好了Caffe斯入，那么何不試試基于Caffe的鑒黃模型？
Caffe環(huán)境
關于樹莓派（64位的蕉拢，32位可參考）Caffe環(huán)境的搭建特碳，之前的一遍文章已經談過，可以去參考一下晕换。
另外午乓，需要把Caffe的Python接口也編譯了，即pycaffe環(huán)境：
# 在caffe目錄下執(zhí)行
make pycaffe -j4
然后記得往PYTHONPATH里面添加此庫：
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一下闸准，如下即可益愈。
如果在編譯pycaffe、添加了PYTHONPATH后夷家，在import時出現(xiàn)No module named xxxx的情況蒸其，原因是python庫還沒裝好，方法：
- 在
caffe/python目錄下執(zhí)行pip install -r requirements.txt - 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瘾英，由于該模型略大枣接，因此git-clone還是會挺久的，有障礙的話可以直接下載zip包缺谴。
git clone https://github.com/yahoo/open_nsfw.git
克隆或者解壓后進入目錄但惶，然后準備一下素材圖片：
然后執(zhí)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改成圖片路徑即可耳鸯，比如此處換成test1.png即可，就會得到該圖片涉黃的概率：
從結果中看出膀曾，XX得分是0.6067县爬，個人可以將它理解為XX概率，即60%的XX概率添谊。
再舉個例子（抱歉财喳，重碼！）：
幸好重碼斩狱，不然涉黃分數(shù)都高達0.8488了耳高。。
再來舉個反例試試吧（這次就不用打碼了）：
得分：
小到不敢相信所踊，誠不欺我Ｃ谇埂！
初體驗總結
試了一下秕岛，圖像檢測的時候資源耗用也沒有想象中那么高碌燕，似乎也就幾百M內存，以及一點點計算資源继薛，連樹莓派這樣的小機器都能在數(shù)秒內檢測完修壕。相信結合其他東西會更好玩。
先這樣吧
若有錯誤之處請指出遏考，更多地關注煎魚慈鸠。
