基于Python+ResNet实现的不良图片识别模型 毕业论文+源码及数据

---

基于 ResNet 的不良图片识别模型摘要随着现代移动互联网设备以及社交软件的迅速发展，网络用户每天都会上传大量的图片内容到互联网中，为保证网络空间的环境清明，通过各种手段来识别和过滤网络色情图片是很有必要的。针对实际应用中色情图片的复杂多样性问题，运用了基于 ResNet（深度残差网络）的不良图片识别模型，对图片进行判类、不良程度打分，从而实现真对不良图片的自动化判例。测试结果表明，该方案在时间效率、模型置信度以及识别准确率上具有良好的效果。目录基于 ResNet 的不良图片识别模型 1摘要 1介绍 1研究背景 1相关研究 2实验方案 3数据预处理 3分类模型 – ResNet 4网页展示 12实验 12训练情况 13模型结果分析 18前端展示 20总结 26对项目的理解 26承担的工作 27体会 28参考文献 28介绍研究背景随着 Web 2.0时代的到来，用户在浏览网络空间的信息的同时，也能自由地发表自己的看法、观点，越来越多的人们开始以图片、视频等形式在网络上分享自己的生活。然而，受利益驱动，一些不法分子会借此在论坛、贴吧、博客、微博等公共平台中上传一些不雅视频、照片以吸引流量或达到其他目的，这使得网络淫秽色情现象仍然较为严重。一方面，随着越来越多的年轻用户、儿童群体接触互联网，网络空间中的不雅图片会对其造成巨大的伤害；另一方面，在公司办公场所和学校教育场所等地方， 应该过滤掉这些网络不良内容。基于此，2021年 3月，全国“扫黄打非”办公室作出安排部署：即日起至 11月底开展“新风2021”集中行动，“新风”行动将以“护苗2021”“净网2021”“秋风2021”专项行动为开展平台，通过摸底排查、接收群众举报等方式对网络空间进行整治。然而人工的成本是巨大的。因此，随着机器学习和人工智能的快速发展，越来越多的理论被提出，越来越多的技术开始代替人工、被应用于不良图片的鉴别。在这个过程中，如何通过技术手段更准确、更有效地识别和过滤网络色情图片，一直是一个重要的研究课题。国内外的许多学者对不良图片的识别技术做出了许多尝试，并取得了一些进展。