上班時間請勿開啟，158萬張鑑黃圖片資料集來嘍~

作者 | 琥珀

出品 | AI科技大本營（ID:rgznai100）

前方高能預警，非戰鬥人士請火速撤離……

今天給大家介紹一個在 GitHub 上一個開源的鑑黃影像資料集，它擁有 158萬的資料量，叫做 NSFW data source URLs，目前該專案已收穫 918 star 了。

專案地址：

https://github.com/EBazarov/nsfw_data_source_urls

在 raw_data 資料夾裡，可以找到不同的 .txt 格式的文件，每個文件都含有一組 URL，以下是關於該資料集的一些統計資訊：

• 159個 不同的類別

• 158.9331 萬個 URL

• 下載並清洗後大約有 500GB，或者說有 130 萬張 NSFW 影像

以下為專案中圖片截圖示例：

注意事項：

1. 建議下載後清洗下資料集，例如：

• 刪除重複圖片

• 移動被禁止/刪除掉的圖片（它們有一個特殊的影像佔位符）

• 找出損壞的資料並將其刪除

2. 注意噪聲，一些資源提供了 NSFW 和中性影像的高度混合資料。

3. 該庫還可以幫助檢索 NSFW 影像，針對中性影像沒有專用的 URL。

值得一提的是，在該專案之前還有一個類似的開源專案 nsfw_data_scrapper，裡面有 22 萬張影像，同樣也可以用來檢測或訓練鑑黃系統。

專案地址：

https://github.com/alexkimxyz/nsfw_data_scrapper

（本文為AI科技大本營原創文章，轉載請微信聯絡 1092722531）

精彩推薦

推薦閱讀：

• 深圳一AI公司人臉資料洩露，超256萬使用者敏感資訊在“裸奔”！

• 成長路線圖：如何成為一名Python開發者？

• 5行程式碼就能入門爬蟲？

• Python助你搶紅包

• 幹了一年區塊鏈，工作沒了，負債累累

• 講講億級PV的負載均衡架構！

• 35 歲程式設計師，年後第一天被辭退

• 手機輻射排行榜：小米、一加遠超 iPhone；阿里開工彩票最高獎金 1000 萬；蘋果再遭集體訴訟 | 極客頭條

• 2月報告：Python逆襲成功？踢館Java，碾壓C++！

                         

點選“閱讀原文”，開啟CSDN APP 閱讀更貼心。