joel710/SIRAN

Ultra-lightweight MobileNetV3 model optimized for on-device NSFW detection and bias-free content moderation for african social network. # Siran Moteur de vision par ordinateur ultra-léger, concu pour la détection NSFW en temps réel et la prévention de contenu explicite non consenti, directement sur l'appareil. ## Apercu Siran est le sous-système de modération de contenu développé pour le réseau social **Echo**. Concu pour un déploiement haute performance dans des environnements à ressources limitées, il utilise une architecture MobileNetV3 optimisée pour intercepter et analyser les images explicites avant leur ingestion serveur. Un objectif principal de Siran est l'équité démographique. Par un équilibrage ciblé des datasets et une augmentation agressive de l'espace colorimétrique, le modèle corrige les biais algorithmiques historiques associés aux peaux foncées, garantissant une précision uniforme sur l'ensemble des phénotypes humains. ### Piliers architecturaux * **Inférence on-device sans latence :** Profil d'exécution quantifié concu pour tourner côté client dans les applications mobiles sans bloquer le thread UI principal. * **Augmentation éthique des données :** Entrainé pour dissocier la densité de mélanine de la nudité structurelle, éliminant les faux positifs courants dans les modèles open-source standards. * **Conception privacy-first :** Le traitement du contenu s'effectue localement dans le sandbox de l'application. Aucune donnée image n'est transmise à des API tierces. --- ## Spécifications techniques Le moteur repose sur un backbone MobileNetV3-Small personnalisé, dont la tête de classification ImageNet standard est remplacée par une topologie de classification binaire spécialisée. | Métrique | Spécification | | :--- | :--- | | **Architecture** | MobileNetV3-Small (modifié) | | **Dimension du tenseur d'entrée** | 224 x 224 x 3 (RGB) | | **Taille sur disque (INT8 quantifié)** | ~3.4 Mo | | **Empreinte mémoire (RAM)** | < 12 Mo en inférence active | | **Vitesse d'inférence moyenne (CPU)** | ~15ms (ARMv8 milieu de gamme) | | **Framework cible** | TensorFlow Lite / ONNX Mobile Run …