With the rapid development of Internet technology, live broadcast industry has also flourished. However, in the public network live broadcast platform, live broadcast security issues have become increasingly prominent. The detection of suspected pornographic videos in live broadcast platforms is still in the manual detection stage, that is, through the supervision of administrators and user reports. At present, there are many online live broadcast platforms in China. In mainstream live streaming platforms, the number of live broadcasters at the same time can reach more than 100,000 people/times. Only through manual detection, there are a series of problems such as low efficiency, poor pertinence, and slow progress. This approach is obviously not up to the task requirements of real-time network supervision. For the identification of whether live broadcasts on the Internet contain pornographic content, a deep neural network model based on residual networks (ResNet-50) is proposed to detect pictures and videos in live broadcast platforms. The core idea of detection is to classify each image in the video into two categories: (1) pass and (2) violation. The experiments verify that the network proposed can heighten the efficiency of pornographic detection in webcasts. The detection method proposed in this article can improve the accuracy of detection on the one hand and can standardize the detection indicators in the detection process on the other. These detection indicators have a certain promotion effect on the classification of pornographic videos.

中文翻译：

---

基于深度学习的直播视频违规检测

随着互联网技术的飞速发展，直播行业也蓬勃发展。然而，在公网直播平台中，直播安全问题日益突出。直播平台对疑似色情视频的检测还处于人工检测阶段，即通过管理员监督和用户举报。目前，国内有很多在线直播平台。在主流直播平台中，同时直播人数可达10万人次以上。仅通过人工检测，存在效率低、针对性差、进度缓慢等一系列问题。这种方式显然不能满足实时网络监管的任务要求。为了识别网络直播中是否含有色情内容，提出了一种基于残差网络（ResNet-50）的深度神经网络模型来检测直播平台中的图片和视频。检测的核心思想是将视频中的每张图像分为两类：（1）通过和（2）违规。实验验证了所提出的网络可以提高网络广播中色情检测的效率。本文提出的检测方法一方面可以提高检测的准确性，另一方面可以规范检测过程中的检测指标。这些检测指标对色情视频的分类有一定的促进作用。提出了一种基于残差网络（ResNet-50）的深度神经网络模型来检测直播平台中的图片和视频。检测的核心思想是将视频中的每张图像分为两类：（1）通过和（2）违规。实验验证了所提出的网络可以提高网络广播中色情检测的效率。本文提出的检测方法一方面可以提高检测的准确性，另一方面可以规范检测过程中的检测指标。这些检测指标对色情视频的分类有一定的促进作用。提出了一种基于残差网络（ResNet-50）的深度神经网络模型来检测直播平台中的图片和视频。检测的核心思想是将视频中的每张图像分为两类：（1）通过和（2）违规。实验验证了所提出的网络可以提高网络广播中色情检测的效率。本文提出的检测方法一方面可以提高检测的准确性，另一方面可以规范检测过程中的检测指标。这些检测指标对色情视频的分类有一定的促进作用。实验验证了所提出的网络可以提高网络广播中色情检测的效率。本文提出的检测方法一方面可以提高检测的准确性，另一方面可以规范检测过程中的检测指标。这些检测指标对色情视频的分类有一定的促进作用。实验验证了所提出的网络可以提高网络广播中色情检测的效率。本文提出的检测方法一方面可以提高检测的准确性，另一方面可以规范检测过程中的检测指标。这些检测指标对色情视频的分类有一定的促进作用。