NSFW(not suitable for work)图片，顾名思义，就是一些不太适合在工作中浏览的图片，本文介绍的工作是通过深度卷积神经网络来对此类图片进行自动化的审核，由于NSFW图片的定义范围比较广泛，本文主要针对色情图片的审核，不包括文字，写实暴力，政治相关不当内容的审核。

随着计算机视觉、改进的训练数据和深度学习算法的发展，计算机现在能够以更高的精度来自动分类 NSFW 图像内容，近年来，卷积神经网络已经在图像分类问题中取得了巨大成功。自2012年以来，新的卷积神经网络架构一直在不断改进标准 ImageNet 分类挑战的精度。一些主要突破包括了 AlexNet（2012）、GoogLeNet、VGG（2013）和残差网络（Residual Networks）（2015）等等, 这些架构都在当年的ImageNet分类挑战上取得了独领风骚的成绩。

通过训练深度神经网络模型，用于NSFW图片的智能审核，可以降低人工审核的成本，我把他认为是知识技能的迁移，神经网络有及其强大的拟合能力，让其拟合审核人员对于图片的审核判定基准，就类似于将人的技能迁移到了网络模型中，解放了人工，当然，后续任然需要迁移新的知识给模型，让模型进行更新和迭代。

从网站过滤NSFW图片的Web扩展。

它使用TensorFlowJS——一个机器学习框架——在加载网页时检查NSFW的图片。

使用的模型-由Infinite Red，Inc.开发的nsfwjs。

当加载一个网页时，所有的图像都将保持隐藏状态，直到发现它们是否是NSFW。如果他们被发现是NSFW，他们仍然隐藏。否则，它们就会变得可见。

扩展完全在浏览器上运行。ie没有用户数据被发送到服务器进行处理。