Résumé:
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.
