Deepfake Vs Real Image Detection

🚀 圖像真偽檢測模型

本項目的模型能夠檢測圖像是真實的還是虛假的（由AI生成），為圖像真實性判斷提供了有效的解決方案。

🚀 快速開始

該模型可用於檢測圖像是否為AI生成的虛假圖像。不過需要注意的是，此模型是基於大約3年前收集的數據集進行訓練的。從那時起，使用常見AI工具生成深度偽造圖像的技術有了顯著進展，導致出現了明顯的概念漂移。

✨ 主要特性

• 評估指標：使用準確率（accuracy）和F1分數（f1）來評估模型性能。
• 基礎模型：基於google/vit-base-patch16-224-in21k模型構建。

📄 許可證

本項目採用Apache-2.0許可證。

💻 使用示例

基礎用法

可參考 https://www.kaggle.com/code/dima806/deepfake-vs-real-faces-detection-vit 獲取更多詳細信息。

模型評估報告

Classification report:

              precision    recall  f1-score   support

        Real     0.9921    0.9933    0.9927     38080
        Fake     0.9933    0.9921    0.9927     38081

    accuracy                         0.9927     76161
   macro avg     0.9927    0.9927    0.9927     76161
weighted avg     0.9927    0.9927    0.9927     76161

⚠️ 重要提示

此模型是基於大約3年前收集的數據集進行訓練的。自那時起，使用常見AI工具生成深度偽造圖像的技術有了顯著進展，導致出現了明顯的概念漂移。為了緩解這個問題，建議您使用最新的可用標記數據重新訓練模型。

💡 使用建議

作為一種快速修復方法，簡單地降低將圖像標記為虛假的閾值（例如從默認的0.5降低到0.1甚至0.01）可能就足夠了。但是，這樣做需要您自行承擔風險，重新訓練模型是處理概念漂移的更好方法。