[ailab]

背景

Cravatar 头像服务需要对用户上传的头像进行 NSFW 内容审核。场景特征：

• 图片尺寸：80×80 到 512×512
• 日增量：1,000-5,000 张唯一图片
• 要求：准确率高、误判率低 （尤其二次元/艺术类头像）

推荐模型：Marqo/nsfw-image-detection-384

对比了 Falconsai/nsfw_image_detection 和 Marqo/nsfw-image-detection-384，推荐后者：

	Falconsai	Marqo (推荐)
输入分辨率	224×224	384×384
架构	ViT-base-patch16-224	ViT-base-patch16-384
参数量	~86M	~86M
边缘 case 表现	一般，二次元/艺术类误判多	更好，专门优化过灰区场景

选 Marqo 的理由：

1. 384 输入分辨率更匹配头像尺寸 （512→384 损失小，80→384 upscale 也保留更多特征）
2. Marqo 团队针对图片搜索/分类场景做过优化，边缘 case 误判率更低
3. 部署复杂度一样，换个 model name 就行

推荐架构：两层审核

用户上传头像
    │
    ▼
[自建预筛层] Marqo/nsfw-image-detection-384
    │
    ├── confidence > 0.95 → 直接标记 NSFW，拦截
    ├── confidence < 0.05 → 直接放行
    └── 0.05~0.95 灰区 → 丢给云 API 复核
                              │
                              ├── 国内流量 → 腾讯云/阿里云内容审核 API
                              └── 海外流量 → CF Workers AI 或 HF Inference Endpoints

这样能砍掉 70-80% 的云 API 调用，大幅降低成本。

硬件需求评估

这个模型非常轻量，不需要 GPU：

方案	CPU	内存	GPU	单张延迟	日吞吐能力
最低配	2 核	4GB	无	100-200ms	5k+
推荐配	4 核	8GB	无	50-100ms	5w+
GPU 加速	2 核	4GB	T4 级	5-15ms	百万级

内存明细：

• PyTorch 运行时：~1-1.5GB
• 模型权重 (FP16)：~172MB
• 推理峰值 （含激活）：~500-800MB
• 总计：~2GB，4GB 内存足够

进一步优化：用 ONNX Runtime 替代 PyTorch，内存降到 ~800MB，速度快 2-3 倍，1 核 2GB 都能跑。

部署参考

FastAPI + transformers pipeline，核心代码：

from fastapi import FastAPI, UploadFile
from transformers import pipeline
from PIL import Image
import io

app = FastAPI()
classifier = pipeline("image-classification", model="Marqo/nsfw-image-detection-384")

@app.post("/classify")
async def classify(file: UploadFile):
    image = Image.open(io.BytesIO(await file.read())).convert("RGB")
    result = classifier(image)
    return {"predictions": result}

头像场景注意事项

1. 小图处理：80×80 的头像特征不足，建议先 upscale 到 384×384 再检测 （ViT 输入尺寸就是 384）
2. 二次元/动漫：这类头像容易误判，建议灰区阈值设宽一些，交给云 API 二次确认
3. 批量处理：支持 batch 推理，batch=32 时吞吐量提升 5-8 倍

成本估算 （5,000 张/天）

• 自建预筛：一台 2 核 4GB 云服务器 ~¥50-100/月
• 假设 20% 进灰区需要云 API 复核：1,000 张/天
• 腾讯云图片审核：¥1.5/千张 → ~¥45/月
• 总计：~¥100-150/月（对比全量走云 API 的 ~¥225/月，省约 40%）

量级再大的话，自建预筛的成本优势更明显。

---

@modiqi 以上是完整方案，模型选型、架构、硬件需求、部署代码、成本都在这了。你们评估一下看怎么安排，有问题随时问。如果需要我在集群 Mac 宿主机上搭 PoC 跑样本测试也可以。

[作者]

帖子