随着互联网技术与信息化的不断普及,数字化文档被人们广泛使用。由于数字化文档数量的激增,信息安全问题开始显现,一些需要面向特定人群的特定敏感文档也被错误的上传至文库类网站中,导致信息的泄露。经调查,文库类网站的特定文档泄漏情况近年来呈现高发态势,给信息安全和公众利益带来严重威胁,造成无法挽回的经济或者其他损失。对文库类网站分享的文档进行信息安全检查已经成为一个重要的需求。由于每天都有大量文档上传至文库类网站中,如何设计快速准确的高通量敏感文档图像检测算法,以尽可能低的成本代价实现对网站每日上传文档图像的全量检测,并从中检测出是否存在特定文档图像,成为当前阶段需要迫切解决的研究性课题。从现实情况来说,目前市面上针对此类问题并无较好的解决方案,因此本文选定某文库类网站A作为研究对象,针对以上问题进行了深入研究,主要工作如下:(1)提出了一个以级联结构为主的特定文档高通量监测系统。首先,该系统接收来自文库类网站中数据库传入的文档图像,利用底层图像特征的差异性,将文档图像与非文档图像进行有效区分;其次,利用基于深度学习的可疑文档分类器,将文档分为可疑文档和非可疑文档两类;最后,对可疑文档利用版面分析和OCR技术,确定区域中是否存在特定文字,并完成特定文档的检测。通过级联结构构建的特定文档的高通量检测系统,使得检测速度大幅提升的同时保持较好的检测精度。(2)提出了一个基于深度可分离卷积和混合卷积的轻量级分类网络。通过研究(1)中的系统,我们发现该系统中有大量冗余的计算量,导致计算成本过大,无法解决终端设备的特定文档检测。本文将文档分类器作为研究对象研究轻量化网络技术,利用基于深度可分离卷积和混合卷积的设计模式对文档分类器进行改进,提出轻量级文档分类网络,替换(1)中系统原有的文档分类网络,极大的减小了网络模型的参数量和计算量,并且保持检测精度在任务要求的范围内。