基于改进ShuffleNetV2的敏感内容识别与应用

摘要

针对目前公共场合大屏显示系统视频内容审核方法识别准确率低、难以部署在控制器上的问题,提出一种基于改进ShuffleNetV2的敏感内容识别方法。首先,在Block2模块拼接特征通道后引入高效通道注意力(ECA)模块,加强重要特征通道的权重;其次,采用最大池化替换Block2模块中的深度可分离卷积,减少复杂背景的干扰。将训练得到的模型进行转换并通过参数量化压缩模型,部署在以RK3399Pro为核心处理器的嵌入式控制器上,设计应用程序实现对视频文件中敏感内容的识别。实际测试结果表明:改进的ShuffleNetV2敏感内容识别模型准确率提升了3.85%,计算量减小了12.99%,在控制器上的检测速度达到每帧图像17 ms,并取得较好的识别效果,该方法可有效审核视频内容,并为大屏显示系统视频内容安全提供了可靠保障。