Anime NSFW Detection / ADetailer All-in-One

newtextdoc11996newtextdoc11996
1.3K
37.8K
penisvaginanipplesanus工具adetaileryolov8
v5.0-variant1v5.0v4.0v3.0v3.0 betav2.0v1.0

详情

下载文件

模型描述

！日语说明在下方！

本模型用于检测动漫图像中的NSFW区域（片段），一个模型支持多种检测类型。

可检测区域：nipples, pussy, anus, penis, testicles, x-ray, cross-section
推荐阈值：0.5 ~ 0.8
基础模型：yolov11s-seg.pt

🗂️安装位置

  • Stable Diffusion WebUI/reForge -> models/adetailer

  • ComfyUI -> models/ultralytics/segm

❓FAQ

如何处理检测区域被其他物体替换的问题

  • 如果detailer提示词为空，请输入目标提示词。

    • 例如，若nipples被替换为pussy，请在提示词中输入"nipples"。

  • 降低去噪值。

  • 扩大修复区域。

    • WebUI (ADetailer): 增加 "Mask erosion (-) / dilation (+)"

      • 若启用了“Inpaint only masked”，请增加 "Inpaint only masked padding, pixels"

    • ComfyUI (SEGS): 增加 "crop_factor"

解决ComfyUI中“UltralyticsDetectorProvider Weights only load failed…”的问题

⚠️此解决方法适用于v4及更早版本

  1. 安装最新版 ComfyUI-Impact-Subpack 并重启ComfyUI。

  2. 用文本编辑器（如记事本）打开文件 <COMFYUI_INSTALL_PATH>\user\default\ComfyUI-Impact-Subpack\model-whitelist.txt。

  3. 在文件末尾添加以下行，然后保存：
    ntd11_anime_nsfw_segm_v4_all.pt
    ntd11_anime_nsfw_segm_v4_anus.pt
    ntd11_anime_nsfw_segm_v4_cross-section.pt
    ntd11_anime_nsfw_segm_v4_nipples.pt
    ntd11_anime_nsfw_segm_v4_penis.pt
    ntd11_anime_nsfw_segm_v4_pussy.pt
    ntd11_anime_nsfw_segm_v4_testicles.pt
    ntd11_anime_nsfw_segm_v4_x-ray.pt

  4. 重启ComfyUI。

参考资料

📄备注

⚙训练设置（v5）

task="segment"
epochs=200
lr0=0.02
lrf=0.05
seed=0
imgsz=1024
batch=-1
close_mosaic=0
mosaic=0.0
erasing=0.0
scale=0.0

各设置说明请参见：https://docs.ultralytics.com/modes/train/#train-settings

📢过往公告

致Stable Diffusion WebUI / reForge用户的通知（2025/06/27）

我有一个面向使用 Stable Diffusion WebUI 或 reForge 用户的公告。
如果您感兴趣，请查看以下详细信息，并非常欢迎您的反馈或错误报告！

当在Stable Diffusion WebUI或reForge中使用我的检测模型时，通常会配合 ADetailer 扩展插件。

虽然ADetailer功能丰富，但为了更充分地利用我的模型，仍缺少一些关键功能。
为此，我fork了原始ADetailer项目，并添加了以下功能：

  • 类别名称过滤：现在可按特定类别名称过滤检测结果

  • 类别专属提示词支持：可使用 [CLASS=name] 语法为每个检测类别指定不同的提示词

  • 边界框掩码选项：可选择使用边界框作为分割模型的掩码，而非直接使用分割掩码本身

仓库地址：https://github.com/newtextdoc1111/adetailer
请参阅README获取安装说明及新功能的详细信息。

我的设想是：通过类别过滤，您将无需使用“ALL”模型以外的任何模型；而[CLASS=name]语法将有助于减少修复过程中意外绘制出其他对象的情况。
坦白说，未来无需为每个版本单独训练多个模型，将极大减轻我的负担——这也是我实施这些更改的主要原因之一😂

如果您仍希望未来版本保留独立模型，请分享您的具体使用场景，我或许能提供替代方案（ComfyUI用户也欢迎！）。

此模型生成的图像

未找到图像。