在经过训练可识别色情的神经网络中生成艺术图片

警告：本文包含抽象的裸露图像，可能不适合在工作场所中观看


使用Open_nsfw神经网络生成抽象艺术的一些示例Yahoo

最近打开了 open_nsfw神经网络的源代码。这是经过特殊训练的残差学习神经网络（ResNet），它通过将图像的“不雅等级”设置为0到1来对图像进行分类。该程序旨在自动检测NSFW图像，即不适合在工作场所观看的图像。简单地说，就是识别色情内容。自然，目标是过滤此类图像-将它们从开放访问中删除。

雅虎可能没想到机智的黑客将以何种方式利用其智力开发。

正式地，加州大学戴维斯分校的研究生加布里埃尔·高（Gabriel Goh）没做错任何事情。他专门研究机器学习，概率论和凸最小化。他只是想知道雅虎对NSFW理解的神经网络究竟有什么了解。哪些图像通过其分类器获得最高评分。

为了获得该问题的答案，Gabriel应用了一种相对较新的可视化技术，该技术是最近为机器视觉神经网络开发的。由Ana Nguyen，Alexei Dosovitsky等参与的一组研究人员。他们的工作尚未在官方杂志上发表，但已经在公共领域中。该技术涉及对神经网络如何工作的深入研究。研究人员可以清楚地看到每个神经元学会突出显示的图像中的哪些特定标志。实现此目的的一种已知方法是使用激活最大化（AM）技术。它综合了使神经元激活最大化的输入值（即图像）。在发表的科学论文中，研究人员展示了如何通过使用功能强大的工具-神经网络图像生成器来显着提高AM的质量！

所谓的深度生成器网络（DGN）生成大量的合成图像。它们看起来几乎像真实的照片，从而以高精度和可重复性确定所研究神经网络中每个神经元的获取功能。 DGN生成器的优点是，它可以很好地测试在不同数据集上训练的不同体系结构的神经网络。也就是说，它是一个相当普遍的研究工具。

在许多方面，此DGN的操作类似于“ Deep Dream”生成器的操作。，是一年半前由Google Research研究部门的专家开发的。但是，显然，由于对一组自然照片进行了额外的初步训练，DGN的工作效率和效率大大提高，尽管它们与所研究的神经网络所训练或工作的数据集无关。然后，DGN生成器生成各种合成图像，从而更改自然照片的参数。实际上，这种方法可作为生成对抗网络，其中神经网络相互竞争。

顺便说一下，DGN通常可用于其他目的-作为合成图像的作者。符合指定条件的艺术品。

在我们的案例中，指定的标准是NSFW规模的最高评分。很难称它为杰出的艺术，但是任务非常具体。如果设置了任务，则需要解决它。

因此，按照生成的对抗神经网络的逻辑，“自然图像空间”看起来几乎就像是抽象艺术。当然，随机生成的图像通常在NSFW等级上评级较低。

例如，这张照片的色情指数为0.06。



这里还有更多色情-0.07。



好吧，然后我们根据Nguyen，Dosovitsky等的科学工作中介绍的技术启动DGN。此外，作者还请在Github上发布 DGN 的源代码。

因此，DGN从以下条件开始以获得最大索引NSFW，即，使函数D（x）最大化。



就是这样，现在您可以欣赏索引为1.00的无数最大的色情图片。

我必须说，大多数情况下抽象的合成图像看起来确实很真实。虽然很明显，这些不是真正的对象，但只是生成了内容完全未知的像素集。

这里有一些。



研究生继续进行实验-并为DGN设置了相反的任务：生成具有NSFW索引最小值的图像。



那就是，不仅保证没有色情，而且还有更多的东西-这是反色情。



最有趣的是，在Yahoo神经网络中，D（x）的值是由一个而不是两个独立的神经元（如您所料，一个是NSFW，另一个是SFW）的相对激活强度来计算的。也就是说，即使在完全安全的图片（例如圆山等）中，神经网络还是有点“兴奋”的。

知道了这些信息，就有可能生成可以保证没有色情的柔和色情图像，但是仍然“激发”了一个旨在寻找色情的神经网络。

研究人员使用方程式中的系数来寻找色情和反色情神经元的最佳组合，以获得最佳艺术效果，但同时却获得了最大的色情指数1。

这些都是令人惊奇的图片。



作者对这些结果感到惊讶，不但在一个open_nsfw神经网络上启动了DGN，还在另一个地方 -CNN神经网络上启动了DGN ，后者根据位置对照片进行分类。于是，他得到了获得最大效果的图片在同一时间，在拍摄（海滩，峡谷，演唱会等）的地方，并在指数NSFW最小/最大成果。

沙滩


音乐会


沙漠火山


博物馆 确实，这里有丰富的实验场地。 作者遗憾地承认，从根本上说，NSFW的要素可以被完全识别







照片。问题是识别它们的能力。如果您查看这些样本的来源，即使在音乐会，博物馆等的原始照片中，也将无法“看到”这些元素。

如果您长时间研究了open_nsfw神经网络，谁知道，您是否可以开始普遍看到NSFW元素？

Source: https://habr.com/ru/post/zh-CN398547/