目前多家人工智能公司已开始布局鉴黄业务，鉴于近期在线直播火爆，有些公司已经开始切入直播鉴黄这个细分领域。为此，有媒体就以下问题请教了AI鉴黄领域的专家。
网络女主播
Q：直播、在线视频、图片鉴黄的区别在哪儿?直播的鉴黄难度是否最大?要解决哪些技术问题?
A：
其实这三项(直播，在线视频，图片鉴黄)差异不大，三者都可归类为实时视频处理和海量图片处理。
视频/直播是动态的，图片是静态的。鉴别视频和直播时，可以把动态内容解码变成图片帧来判断，这样就与静态图片鉴别没差了。
至于技术问题，其实鉴黄在算法层面难度并不高，利用深度学习算法训练后，就能达到不错的鉴黄效果。
目前主要是通过间隔截图、关键帧截图之类的对直播和在线视频进行识别处理，所以最终也是对单张图片的处理。
但是，由于直播的实时性，所以直播相对于另外在线视频和图片，对于机器的图片识别的处理速度要求较高，这主要是对于计算能力和算法的要求加大。
至于是屏蔽、删除或者禁播等方面的处理，主要是看业务方，可以选择由机器自动处理或者人工介入。
Q：既然算法门槛不是很高，为什么一些 CV 公司不增一项视频/直播鉴黄业务捞点油水?
A：
一方面是他们不太愿意做。
另一方面虽然 CV 公司可能有现成的鉴黄算法训练系统平台，但是他们缺数据。鉴黄需要大量的数据来进行训练。黄色图片和视频帧最好达到十万的量级深度学习才能跑起来。至于如何收集这些数据，一般情况下很多视频直播都已经有现成的，包括鉴黄中心等都有非常大量的此类图片。
刚提到大批量数据用深度学习来训练，而训练小批量数据一般采用传统的特征分析加分类器算法来做，但效果和精度没有目前的深度学习高。
Q：直播鉴黄是不是要识别里面的每一帧图像，这样计算量岂不是很大?
A：
这与算法能力关系不大，在算法和工程能力都已经达到最优的情况下，这个是属于企业的成本预算问题。
直播是视频流，企业如果对直播的每一帧的图片都进行识别，这是非常巨大的数据量，企业的运营成本自然较高。所以我们一般建议企业按自己的需求，对于视频先进行抽帧处理，例如一分钟视频的视频可以按照时间段抽 6-15 帧左右的图片进行识别处理之类的来控制成本。
Q：鉴黄存在哪些难点?
A：
实时视频影像分析大致通过三大方面进行鉴定：
是否有人物(有：色情概率增加)
人形轮廓的肤色比例(大：色情概率增加)
肤色比例大
姿态分析(性行为姿势：色情概率增加)
性行为姿势
人类对于色情的定义较为广泛，多种情况下对于色情的鉴定标准也会有不同。在这基础上其实对于黄色和非黄色图片的区分，有时候不是特别明显，很难判断。举个通俗的例子，赤裸上身的男子照片(属于肤色比例大)，这种图片本质上属于非黄色图片，但很多时候，因为训练数据里有类似图片被判定为黄色图像，存在判错的问题。因此需要利用大量样本去不断地训练它，让机器不断纠正，学习更多特征避免这种“低级错误”。
这也正是上面提到部分 CV 公司不涉入鉴黄业务的原因，因为一直需要大量样本去不断训练、纠正，工程量挺大。
Q：鉴黄的数据训练过程是什么样的?
A：
通俗讲，可以把深度学习理解为一个空白的大脑，海量数据就是灌输进来的经验。当我们把大量的色情、性感、正常的样本的属性告诉深度学习的引擎， 让引擎不断学习，然后把他们做对的进行奖励，做错的就惩罚，当然这些奖励和惩罚都是数学上的，最后空白的脑袋就会学成了一种连接的模型，这种模型就是为了鉴别色情与非色情而生的。
综合上述内容，AI 科技评论把人工智能鉴黄总结为以下几点：
实时视频影像分析大致要从三个方向鉴定：是否有人物、人形轮廓的肤色比例、姿态分析。
直播/视频和图片鉴黄区别不大，把动态视频解码为图片帧就与图片没差了。视频鉴黄不会对每一帧进行识别，一般是从固定时间段里抽取几帧进行识别。
黄色的图片和视频帧最好达到十万的量级，深度学习才能跑起来。而训练小批量数据一般采用传统的特征分析加分类器算法来做，但效果和精度不如深度学习。
屏蔽、删除或者禁播等方面的处理，主要是看业务方，可以选择由机器自动处理或者人工介入。
最后，鉴黄的棘手之处主要是难以掌握色情和非色情的临界点，机器容易把正常图片(如男生上身半裸图片)误判为色情图片，因此需要大量的数据不断去训练和纠正，是个慢熬的苦差事，这也是部分 CV 公司不涉入鉴黄业务的一大原因。
(来源：雷锋网 编辑：BZ)
新闻热点
疑难解答
