上班时间请勿打开，158万张鉴黄图片数据集来喽~
前方高能预警，非战斗人士请火速撤离……今天给大家介绍一个在 GitHub 上一个开源的鉴黄图像数据集，它拥有 158万的数据量，叫做 NSFW data source URLs，目前该项目已收获 918 star 了。
项目地址：https://github.com/EBazarov/nsfw_data_source_urls在 raw_data 文件夹里，可以找到不同的 .txt 格式的文档，每个文档都含有一组 URL，以下是关于该数据集的一些统计信息：
[*]159个 不同的类别
[*]158.9331 万个 URL
[*]下载并清洗后大约有 500GB，或者说有 130 万张 NSFW 图像
以下为项目中图片截图示例：
注意事项：
1. 建议下载后清洗下数据集，例如：
[*]删除重复图片
[*]移动被禁止/删除掉的图片（它们有一个特殊的图像占位符）
[*]找出损坏的数据并将其删除
2. 注意噪声，一些资源提供了 NSFW 和中性图像的高度混合数据。
3. 该库还可以帮助检索 NSFW 图像，针对中性图像没有专用的 URL。
值得一提的是，在该项目之前还有一个类似的开源项目 nsfw_data_scrapper，里面有 22 万张图像，同样也可以用来检测或训练鉴黄系统。
项目地址：https://github.com/alexkimxyz/nsfw_data_scrapper
这个里面
很多确实可以下载 污的很 辛苦作者收集啊 值得深入研究的数据集 大有用途
页:
[1]