目前多家人工智能公司已開始布局鑒黃業務，鑒于近期在線直播火爆，有些公司已經開始切入直播鑒黃這個細分領域。為此，有媒體就以下問題請教了AI鑒黃領域的專家。

網絡女主播

Q：直播、在線視頻、圖片鑒黃的區別在哪兒?直播的鑒黃難度是否最大?要解決哪些技術問題?

A：

其實這三項(直播，在線視頻，圖片鑒黃)差異不大，三者都可歸類為實時視頻處理和海量圖片處理。

視頻/直播是動態的，圖片是靜態的。鑒別視頻和直播時，可以把動態內容解碼變成圖片幀來判斷，這樣就與靜態圖片鑒別沒差了。

至于技術問題，其實鑒黃在算法層面難度并不高，利用深度學習算法訓練后，就能達到不錯的鑒黃效果。

目前主要是通過間隔截圖、關鍵幀截圖之類的對直播和在線視頻進行識別處理，所以最終也是對單張圖片的處理。

但是，由于直播的實時性，所以直播相對于另外在線視頻和圖片，對于機器的圖片識別的處理速度要求較高，這主要是對于計算能力和算法的要求加大。

至于是屏蔽、刪除或者禁播等方面的處理，主要是看業務方，可以選擇由機器自動處理或者人工介入。

Q：既然算法門檻不是很高，為什么一些 CV 公司不增一項視頻/直播鑒黃業務撈點油水?

A：

一方面是他們不太愿意做。

另一方面雖然 CV 公司可能有現成的鑒黃算法訓練系統平臺，但是他們缺數據。鑒黃需要大量的數據來進行訓練。黃色圖片和視頻幀最好達到十萬的量級深度學習才能跑起來。至于如何收集這些數據，一般情況下很多視頻直播都已經有現成的，包括鑒黃中心等都有非常大量的此類圖片。

剛提到大批量數據用深度學習來訓練，而訓練小批量數據一般采用傳統的特征分析加分類器算法來做，但效果和精度沒有目前的深度學習高。

Q：直播鑒黃是不是要識別里面的每一幀圖像，這樣計算量豈不是很大?

A：

這與算法能力關系不大，在算法和工程能力都已經達到最優的情況下，這個是屬于企業的成本預算問題。

直播是視頻流，企業如果對直播的每一幀的圖片都進行識別，這是非常巨大的數據量，企業的運營成本自然較高。所以我們一般建議企業按自己的需求，對于視頻先進行抽幀處理，例如一分鐘視頻的視頻可以按照時間段抽 6-15 幀左右的圖片進行識別處理之類的來控制成本。

Q：鑒黃存在哪些難點?

A：

實時視頻影像分析大致通過三大方面進行鑒定：

是否有人物(有：色情概率增加)

人形輪廓的膚色比例(大：色情概率增加)

膚色比例大

姿態分析(性行為姿勢：色情概率增加)

性行為姿勢

人類對于色情的定義較為廣泛，多種情況下對于色情的鑒定標準也會有不同。在這基礎上其實對于黃色和非黃色圖片的區分，有時候不是特別明顯，很難判斷。舉個通俗的例子，赤裸上身的男子照片(屬于膚色比例大)，這種圖片本質上屬于非黃色圖片，但很多時候，因為訓練數據里有類似圖片被判定為黃色圖像，存在判錯的問題。因此需要利用大量樣本去不斷地訓練它，讓機器不斷糾正，學習更多特征避免這種“低級錯誤”。

這也正是上面提到部分 CV 公司不涉入鑒黃業務的原因，因為一直需要大量樣本去不斷訓練、糾正，工程量挺大。

Q：鑒黃的數據訓練過程是什么樣的?

A：

通俗講，可以把深度學習理解為一個空白的大腦，海量數據就是灌輸進來的經驗。當我們把大量的色情、性感、正常的樣本的屬性告訴深度學習的引擎， 讓引擎不斷學習，然后把他們做對的進行獎勵，做錯的就懲罰，當然這些獎勵和懲罰都是數學上的，最后空白的腦袋就會學成了一種連接的模型，這種模型就是為了鑒別色情與非色情而生的。

綜合上述內容，AI 科技評論把人工智能鑒黃總結為以下幾點：

實時視頻影像分析大致要從三個方向鑒定：是否有人物、人形輪廓的膚色比例、姿態分析。

直播/視頻和圖片鑒黃區別不大，把動態視頻解碼為圖片幀就與圖片沒差了。視頻鑒黃不會對每一幀進行識別，一般是從固定時間段里抽取幾幀進行識別。

黃色的圖片和視頻幀最好達到十萬的量級，深度學習才能跑起來。而訓練小批量數據一般采用傳統的特征分析加分類器算法來做，但效果和精度不如深度學習。

屏蔽、刪除或者禁播等方面的處理，主要是看業務方，可以選擇由機器自動處理或者人工介入。

最后，鑒黃的棘手之處主要是難以掌握色情和非色情的臨界點，機器容易把正常圖片(如男生上身半裸圖片)誤判為色情圖片，因此需要大量的數據不斷去訓練和糾正，是個慢熬的苦差事，這也是部分 CV 公司不涉入鑒黃業務的一大原因。

(來源：雷鋒網 編輯：BZ)