描述 #

图像安全性（NSFW）检测器——支持多源输入与批量推理

核心功能 #

• 使用预训练的图像分类模型进行 NSFW 概率检测，输出每张图片的 NSFW 置信度分数
• 支持多种输入来源：URL 地址（image_url）、Base64 编码（image_base64）、二进制流（image_binary）
• 批量处理：通过配置 batch_size 进行批量推理以提升吞吐性能

适用场景 #

• 内容安全审核：电商、社交平台的图片审核流程
• 生产管线中的预过滤：在图像处理/生成任务之前进行安全性筛查

注意事项 #

• 仅输出数值型 NSFW 置信度（0~1），不保存图像；如需持久化请在上游/下游管线中实现

算子参数 #

输入 #

输出 #

返回一个包含检测结果的数组，其中每个元素是对应图像的 NSFW（Not Safe for Work）置信度分数（浮点类型）。如果检测失败，则该元素为 None。

• nsfw_detect (float | None): NSFW 置信度分数。该值越接近 1.0，表示图像被判定为不适宜内容的可能性越高。

参数 #

如参数没有默认值，则为必填参数

调用示例 #

下面的代码展示了如何使用 Daft 和 LAS UDF 对图像进行 NSFW 检测。

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.image.image_nsfw_detect import ImageNsfwDetect
from daft.las.functions.udf import las_udf

if __name__ == "__main__":
    if os.getenv("DAFT_RUNNER", "native") == "ray":
        import logging

        import ray

        def configure_logging():
            logging.basicConfig(
                level=logging.INFO,
                format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
                datefmt="%Y-%m-%d %H:%M:%S.%s".format(),
            )
            logging.getLogger("tracing.span").setLevel(logging.WARNING)
            logging.getLogger("daft_io.stats").setLevel(logging.WARNING)
            logging.getLogger("DaftStatisticsManager").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaScheduler").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaDispatcher").setLevel(logging.WARNING)

        ray.init(dashboard_host="0.0.0.0", runtime_env={"worker_process_setup_hook": configure_logging})
        daft.context.set_runner_ray()

    daft.set_execution_config(actor_udf_ready_timeout=600)
    daft.set_execution_config(min_cpu_per_task=0)

    tos_dir_url = os.getenv("TOS_DIR_URL", "las-cn-beijing-public-online.tos-cn-beijing.volces.com")
    samples = {
        "image": [
            f"https://{tos_dir_url}/public/shared_image_dataset/cat_ip_adapter.jpeg"
        ]
    }

    image_src_type = "image_url"
    model_path = os.getenv("MODEL_PATH", "/opt/las/models")
    model_name = "Falconsai/nsfw_image_detection"
    rank = 0
    num_gpus = 0
    batch_size = 1

    ds = daft.from_pydict(samples)
    ds = ds.with_column(
        "nsfw_detect",
        las_udf(
            ImageNsfwDetect,
            construct_args={
                "image_src_type": image_src_type,
                "batch_size": batch_size,
                "model_path": model_path,
                "model_name": model_name,
                "rank": rank,
            },
            num_gpus=num_gpus,
            batch_size=1,
        )(col("image")),
    )

    ds.show()

    # ╭────────────────────────────────┬────────────────────────╮
    # │ image                          ┆ nsfw_detect            │
    # │ ---                            ┆ ---                    │
    # │ Utf8                           ┆ Float64                │
    # ╞════════════════════════════════╪════════════════════════╡
    # │ https://las-cn-beijing-public… ┆ 0.000114               │
    # ╰────────────────────────────────┴────────────────────────╯