detectify
1.0.0
Die wachsende Rechenleistung hat die tiefen Lernalgorithmen so leistungsfähig gemacht, dass die Schaffung eines nicht unterscheidbaren menschlichen synthetisierten Videos, das im Volksmund als tiefe Fälschungen bezeichnet wird, sehr einfach geworden ist. Szenarien, in denen dieses realistische Gesicht tiefe Fälschungen tauschte, werden verwendet, um politische Bedrängnis, falsche Terrorismusereignisse zu schaffen, Erpressvölker können sich leicht vorstellen. In dieser Arbeit beschreiben wir eine neue, tief lernbasierte Methode, die die gefälschten Videos von AI-generierten Vikos effektiv unterscheiden kann. Unsere Methode ist in der Lage, den Ersatz und die Nachstellung tiefen Fälschungen automatisch zu erkennen. Unser System verwendet ein neuronales Netzwerk von Res-Next, um die Funktionen der Frame-Ebene und diese Funktionen zu extrahieren, und verwendet weiter, um das wiederkehrende neuronale Netzwerk (RNN) mit Long-Short-Term Memory (LSTM) zu trainieren, ob das Video einer Art Manipulation unterliegt oder nicht, dh ob das Video tief gefälscht oder real ist. Um die Echtzeit-Szenarien nachzuahmen und das Modell in Echtzeitdaten besser abschneiden zu können, bewerten wir unsere Methode auf einer großen Menge an ausgewogenem und gemischtem Datensatz, die durch Mischen der verschiedenen verfügbaren Datenmengen wie Face-Forensic ++, DeepFake Detection Challenge und Celeb-DF gemischt werden.
Git Clone https://github.com/subhansahebshaik/detectify.git
Es funktioniert nur, wenn Git in Ihrem System installiert wird, sonst herunterladen Sie die Zip -Datei manuell von GitHub und extrahieren Sie sie an den gewünschten Ort.
Erstellen Sie im Stammordner ein "Modelle", "Uploadd_videos" und "Uploaded_images".
Laden Sie nun die Modelle von G-Drive herunter und kopieren Sie sie dann in den Ordner "Modelle".
Jetzt rennen,
Das Erstellen einer virtuellen Evnnnionierung ist optional, aber empfohlen
Python -m Venv Venv Venv Skripte aktivieren
Der folgende Befehl installiert alle erforderlichen Projektbibliotheken
PIP Installation -r Anforderungen.txt
Python verwalten.py RunServer
Ich möchte meinen besonderen Dank an Abhijitjadhav1998/Deepfake_Detction_using_deep_learning Repository für die Bereitstellung wertvoller Erkenntnisse und Inspirationen für dieses Projekt ausdrücken. Der in diesem Repository vorgestellte Code und die Ideen dienten als Grundlage und Leitfaden für die Entwicklung unserer tief lernbasierten Methode zur Erkennung von gefälschten AI-generierten gefälschten Videos.
