Image Nsfw Filter

Documents

image_nsfw_filter

Image Nsfw Filter is an Agent Skill for documents published in the cas-bigdatalab/piflow repository on GitHub: a SKILL.md instruction file an AI agent can load to do this task.

图像NSFW内容检测过滤器。过滤器保留图像具有低nsfw分数的样本。本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到图片安全检测、NSFW过滤、不良内容过滤、图片审核、图像内容过滤等需求时使用此skill。

View on GitHub ↗

QUICK START

How to use this skill

Bring this guide into your coding agent with a prompt tailored to the tool you use.

Open your project in Codex.
Copy and paste the prompt below.
Review files and risks before approving any action.

Prompt to paste

Inspect the Agent Skill at https://github.com/cas-bigdatalab/piflow/blob/HEAD/workspace/skills/image_nsfw_filter/SKILL.md and all supporting files. Report provenance, permissions, scripts, dependencies, and security risks. Propose an exact installation into .agents/skills/image-nsfw-filter, but wait for my approval before writing files or running scripts.

Copying this prompt does not install or run the skill. Review third-party files before use.

功能概述

该算子用于检测图像的NSFW（Not Safe For Work 不适宜在工作场所观看的内容）分数，过滤掉高分值的图像。支持多种过滤策略：

any: 任意一张图像符合条件即保留
all: 所有图像都符合条件才保留

核心参数

参数	类型	必填	默认值	说明
input_path	string	是	-	输入数据文件路径 (JSON/JSONL格式)
output_path	string	是	-	输出数据文件路径 (JSONL格式)
hf_nsfw_model	string	否	'Falconsai/nsfw_image_detection'	HuggingFace上的NSFW检测模型
max_score	float	否	0.5	最大NSFW分数阈值（0-1之间，低于此值保留）
any_or_all	string	否	'any'	过滤策略：'any' 或 'all'
num_proc	int	否	1	并行处理的进程数

输入数据格式

输入文件应为 JSON 或 JSONL 格式，每行包含一个样本，样本需包含 images 字段：

{"images": ["/path/to/image1.jpg", "/path/to/image2.jpg"]}

输出数据格式

输出为 JSONL 格式，每行一个符合条件的样本。

使用示例

命令行调用

python scripts/run_image_nsfw_filter.py \
  --input_path /path/to/input.jsonl \
  --output_path /path/to/output.jsonl \
  --max_score 0.0005 \
  --any_or_all any

参数说明

--input_path: 输入文件路径
--output_path: 输出文件路径
--hf_nsfw_model: NSFW检测模型（默认：Falconsai/nsfw_image_detection）
--max_score: 最大NSFW分数阈值（默认0.5，值越低越严格）
--any_or_all: 过滤策略，默认any
--num_proc: 并行进程数，默认1

注意事项

输入文件中的图像路径应为有效且可访问的文件路径
该算子需要加载HuggingFace模型，首次运行会下载模型，可能需要较长时间
依赖 torch，请确保已安装
处理大量数据时可适当增加 num_proc 提高效率