Solution basée sur l’apprentissage profond pour la modération de contenu vidéo

Abstract

De nos jours, avec l’essor des plateformes numériques ainsi que le développement de la télévision, la modération efficace du contenu vidéo est devenue cruciale. En réponse à la demande croissante, les plateformes diffusent de plus en plus de contenu, nécessitant une modération afin d’offrir une expérience agréable aux utilisateurs. Ce mémoire propose une approche multimodale utilisant des modèles CNN pré-entraînés tels qu’InceptionV3, MobileNetV3-Large, DenseNet169 et VGGish pour la détection de la nudité et de la pornographie. Nous avons utilisé le dataset LSPD et créé des datasets supplémentaires pour l’entraînement et l’évaluation. Nos expériences ont atteint une Accuracy de 98,32% sur le dataset NPDI-2K et de 95,08% en combinant l’analyse visuelle et auditive. Mots clés : modération de contenu vidéo, Not Safe For Work, apprentissage profond, classification vidéo, InceptionV3, MobileNetV3, DenseNet169, VGGish.