El esteganálisis es un método para detectar si los objetos contienen mensajes secretos. Con la popularidad del aprendizaje profundo, utilizando redes neuronales convolucionales (CNN), los esquemas esteganalíticos se han convertido en el principal método para combatir la esteganografía en los últimos años. Sin embargo, la diversidad de filtros no ha sido totalmente utilizada en la investigación actual. Este documento construye una nueva red efectiva con módulos de filtro diversos (DFMs) y módulos de squeeze-and-excitation (SEMs), que pueden capturar mejor los artefactos de incrustación. Como partes esenciales, combinando tres filtros de convolución de diferentes escalas, los DFMs pueden procesar información de manera diversa, y los SEMs pueden mejorar los canales efectivos de los DFMs. Los experimentos presentados muestran que nuestra CNN es efectiva contra esquemas esteganográficos adaptativos al contenido con diferentes cargas, como los algoritmos S-UNIWARD y WOW. Además, se comparan algunos métodos de vanguardia con nuestro enfoque para demostrar el rendimiento sobresaliente.