En una era donde las interacciones en línea moldean cada vez más las dinámicas sociales, el problema generalizado del ciberacoso representa una amenaza significativa para el bienestar de las personas, particularmente entre los grupos vulnerables. A pesar de la extensa investigación sobre la detección de ciberacoso basado en texto, el aumento del contenido visual en las plataformas de redes sociales requiere nuevos enfoques para abordar el ciberacoso utilizando imágenes. Este ámbito ha sido en gran medida pasado por alto. En este documento, presentamos un conjunto de datos novedoso diseñado específicamente para la detección de ciberacoso visual, que abarca cuatro clases distintas: abuso, insulto, desánimo y amenaza. El conjunto de datos inicial preparado (conjunto de datos de indicadores visuales de ciberacoso (CVID)) constaba de 664 muestras para entrenamiento y validación, ampliado a través de técnicas de aumento de datos para garantizar resultados equilibrados y precisos en todas las clases. Analizamos este conjunto de datos utilizando varios modelos avanzados de aprendizaje profundo, incluidos VGG16, VGG19, MobileNetV2 y Vision Transformer. El modelo propuesto, basado en DenseNet201, logró la mayor precisión de prueba del 99%, demostrando su eficacia en la identificación de las señales visuales asociadas con el ciberacoso. Para probar la generalizabilidad del modelo propuesto, también se consideró el K-fold estratificado de 5 pliegues, y el modelo logró una precisión de prueba promedio del 99%. Este trabajo introduce un conjunto de datos y destaca el potencial de aprovechar los modelos de aprendizaje profundo para abordar los desafíos multifacéticos de la detección del ciberacoso en contenido visual.