Detección de contenido sensible en audio y vídeo mediante espectrogramas y aprendizaje por transferencia

Abstract

Con la creciente proliferación del contenido multimedia en línea, surge la necesidad de garantizar la seguridad digital de los usuarios. La detección de contenido sensible en videos representa un desafío crítico para los investigadores y profesionales de la seguridad. Este artículo examina como el análisis de audio puede ser una herramienta efectiva para filtrar contenido para adultos sin sacrificar el rendimiento, lo que permite la automatización en la detección de material sensible en dispositivos digitales. Para mejorar esta capacidad, se investigaron métodos de extracción de características acústicas y se evaluaron para la detección de contenido sensible en vídeos. Utilizando una CNN pre-entrenada y utilizando espectrogramas de log Mel y aumento de datos, obtuvimos un 86,4 % de F1- measure en el conjunto de datos Pornography-2K. Finalmente, en la clasificación de vídeos completos se obtuvo un 90,4 % de F1-measure.