2015 年的论文《应用深度学习对色情图像和视频进行分类》应用了各种类型的卷积网络来检测色情内容。所提出的架构在 NPDI 数据集上实现了94.1% 的准确率，其中包含 800 个视频（400 个色情视频，200 个非色情“简单”和 200 个非色情“困难”）。更传统的计算机视觉方法达到了 90.9% 的准确率。所提出的架构在 ROC 曲线方面也表现得非常好。

似乎还没有关于 NSFW 其他方面的任何作品。

检测 NSFW 的问题已经存在了二十多年。

这项 2005 年关于寻找裸体人物的研究展示了一种基于颜色和纹理属性来寻找此类图像的策略，以获取皮肤区域的有效遮罩，试图使用人体结构上的几何约束对人体进行分组。这种方法证明

在包含 138 张不受控制的裸人图像的测试集上，精度为 60%，召回率为 52%。

以下是研究中解释该算法的一些数据：

^{以下帖子包含用于科学目的的裸露可视化（悬停显示）：}

最近的一种方法是使用卷积网络。这项来自 2014 ^PDF的研究展示了基于 ImageNet 数据集的令人印象深刻的分类性能。目前尚不清楚“它们如何以及为什么表现如此出色”，但它们可用于错误率非常低的图像分类。

有关更多详细信息，请查看：卷积神经网络在看到 nudity 时会看到什么。

您将在上面的链接中找到关于 convnets 如何看待 NSFW 的代码示例和热图。