SafeGuard — это система для поиска смысловых копий изображений в интернете, нацеленная на предотвращение распространения неприемлемого контента. Наша система ориентирована на распознавание изображений, представляющих аналогичный сюжет, вне зависимости от фона и типа изображения (фото или рисунок). Проект разработан в рамках хакатона и предлагает готовое решение для эффективного мониторинга и фильтрации контента.
Многие современные платформы сталкиваются с необходимостью контроля визуального контента. Текущие системы фильтрации чаще всего ориентированы только на текст. Мы предлагаем расширить возможности, внедрив фильтрацию изображений через поиск смысловых копий, что позволит точнее отслеживать и блокировать недопустимые материалы. SafeGuard позволяет находить изображения с аналогичным смыслом, даже если они представлены в разных стилях или фонах.
Наш стек технологий включает:
Для развертывания проекта требуется Docker. Убедитесь, что у вас установлены Docker и Docker Compose.
Склонируйте репозиторий:
git clone https://github.com/KORALLLL/SafeGuard.git
cd SafeGuard
Создайте файл .env и укажите следующие настройки:
DB_ADDR=db
DB_PORT=5432
DB_USERNAME=postgres
DB_PASSWORD=postgres
DB_NAME=safeguard
AWS_HOST=http://minio:9000
AWS_ACCESS_KEY_ID=minio
AWS_SECRET_ACCESS_KEY=minio123
AWS_BUCKET=app-data
AWS_REGION=ru-msk
Запустите проект с помощью Docker Compose:
docker-compose up --build -d
Перейдите по ссылке для тестирования Демо-версия (ссылка будет позже).
Для оценки качества работы системы используется метрика mAP@10, которая отслеживалась в лидерборде. Наш результат вот здесь будет результат
Распознавание одинаковых людей на разных изображениях.
Поиск похожих изображений вне зависимости от типа изображения (фото или рисунок).
Готовность к интеграции с системами мониторинга и фильтрации контента.
| Участник | Роль | GitHub | Telegram |
|---|---|---|---|
| Бородин Кирилл | Project manager, devops, ML, backend | KORALLLL | @KORALLLLLL |
| Кудрявцев Василий | ML | SLENSER0 | @slenser0 |
| Юношева Катерина | UI/UX | KaterinaYunosheva | @kar_o_man |
| Кожемякина Елизавета | Frontend | KozhemyakinaElizaveta | @romashka_ls |
| Разумовский Игорь | backend | IgorRazumvskii | @igor_raz |
Полная документация доступна по ссылке: Документация (ссылка будет позже).
Если у вас есть вопросы или предложения, свяжитесь с нами через GitHub Issues или напишите Кириллу и Telegram.
Спасибо, что заглянули в наш репозиторий! Мы будем рады вашему фидбеку и предложениям по улучшению проекта SafeGuard.
SafeGuard — это система для поиска смысловых копий изображений в интернете, нацеленная на предотвращение распространения неприемлемого контента. Наша система ориентирована на распознавание изображений, представляющих аналогичный сюжет, вне зависимости от фона и типа изображения (фото или рисунок). Проект разработан в рамках хакатона и предлагает готовое решение для эффективного мониторинга и фильтрации контента.
Многие современные платформы сталкиваются с необходимостью контроля визуального контента. Текущие системы фильтрации чаще всего ориентированы только на текст. Мы предлагаем расширить возможности, внедрив фильтрацию изображений через поиск смысловых копий, что позволит точнее отслеживать и блокировать недопустимые материалы. SafeGuard позволяет находить изображения с аналогичным смыслом, даже если они представлены в разных стилях или фонах.
Наш стек технологий включает:
Для развертывания проекта требуется Docker. Убедитесь, что у вас установлены Docker и Docker Compose.
Склонируйте репозиторий:
git clone https://github.com/KORALLLL/SafeGuard.git
cd SafeGuard
Создайте файл .env и укажите следующие настройки:
DB_ADDR=db
DB_PORT=5432
DB_USERNAME=postgres
DB_PASSWORD=postgres
DB_NAME=safeguard
AWS_HOST=http://minio:9000
AWS_ACCESS_KEY_ID=minio
AWS_SECRET_ACCESS_KEY=minio123
AWS_BUCKET=app-data
AWS_REGION=ru-msk
Запустите проект с помощью Docker Compose:
docker-compose up --build -d
Перейдите по ссылке для тестирования Демо-версия (ссылка будет позже).
Для оценки качества работы системы используется метрика mAP@10, которая отслеживалась в лидерборде. Наш результат вот здесь будет результат
Распознавание одинаковых людей на разных изображениях.
Поиск похожих изображений вне зависимости от типа изображения (фото или рисунок).
Готовность к интеграции с системами мониторинга и фильтрации контента.
| Участник | Роль | GitHub | Telegram |
|---|---|---|---|
| Бородин Кирилл | Project manager, devops, ML, backend | KORALLLL | @KORALLLLLL |
| Кудрявцев Василий | ML | SLENSER0 | @slenser0 |
| Юношева Катерина | UI/UX | KaterinaYunosheva | @kar_o_man |
| Кожемякина Елизавета | Frontend | KozhemyakinaElizaveta | @romashka_ls |
| Разумовский Игорь | backend | IgorRazumvskii | @igor_raz |
Полная документация доступна по ссылке: Документация (ссылка будет позже).
Если у вас есть вопросы или предложения, свяжитесь с нами через GitHub Issues или напишите Кириллу и Telegram.
Спасибо, что заглянули в наш репозиторий! Мы будем рады вашему фидбеку и предложениям по улучшению проекта SafeGuard.