Python 中的裸体检测

Question

我正在 google colab(python) 中将 10.000 张图像的数据集分类为裸体/非裸体

我使用的是nudenet的NudeClassifier，它的主要工作原理是这样的。

from nudenet import NudeClassifier

# initialize classifier (downloads the checkpoint file automatically the first time)
classifier = NudeClassifier()

# A. Classify single image
print(classifier.classify('./image1.jpg'))

# This would print something like:
# {
#   './image1.jpg': {
#      'safe': 0.00015856953, 
#      'unsafe': 0.99984145
#   }
# }

# B. Classify multiple images
# Returns {'path_to_image_1': {'safe': PROBABILITY, 'unsafe': PROBABILITY}}
# Classify multiple images (batch prediction)
# batch_size is optional; defaults to 4
print(
    classifier.classify(
        ['./image1.jpg', './image2.jpg', './image3.jpg', './image4.jpg'],
        batch_size=4
    )
)

问题是，使用循环并对每个图像单独进行分类需要花费大量时间（图像大约 1 秒）

使用最后一个选项，更大的 bacth_size 会使分类问题运行得更快吗？

在这种情况下，这个问题的理想batch_size是多少？

非常感谢你

Answer 1

出于推理的目的，批量大小仅定义一次将有多少图像加载到内存中进行处理。因此批量大小越大，推理速度就越快。

当然限制是你的内存大小，所以你可以估计一下你能提高多少。

如果还是太慢，请考虑在 GPU 上进行推理。

Answer 2

增加批量大小肯定会缩短多个图像的推理时间。批量大小将根据可用的 GPU 内存而变化。尝试设置完全利用可用 GPU 的批量大小。

Answer 3

虽然晚了，但您可能想尝试一下 OpenNSFW 2，它对图像批次的推理有更好的支持。您甚至可以为每个图像生成Grad-CAM（请参阅用法），以便更好地了解模型决策。它的本质是 TensorFlow/Keras 模型。

Answer 4

您现在有这个数据集吗，请与我分享链接。