detectify
1.0.0
El creciente poder de cálculo ha hecho que los algoritmos de aprendizaje profundo sean tan poderosos que la creación de un video sintetizado humano indistinguible llamado popularmente como falsificaciones profundas se han vuelto muy simples. Los escenarios en los que esta cara realista cambia de falsas profundas se utilizan para crear angustia política, eventos de terrorismo falsos, los pueblos de chantaje se imaginan fácilmente. En este trabajo, describimos un nuevo método basado en el aprendizaje profundo que puede distinguir efectivamente los videos falsos generados por la IA de los videos reales. Nuestro método es capaz de detectar automáticamente el reemplazo y la recreación de falsificaciones profundas. Nuestro sistema utiliza una red neuronal de convolución Res-NexT para extraer las características del nivel de cuadro y estas características y se usan aún más para entrenar la red neuronal recurrente (RNN) basada en la memoria a largo plazo (LSTM) para clasificar si el video está sujeto a algún tipo de manipulación o no, es decir, si el video es un video falso o real profundo. Para emular los escenarios en tiempo real y hacer que el modelo funcione mejor en los datos en tiempo real, evaluamos nuestro método en una gran cantidad de datos de datos equilibrados y mixtos preparados mezclando los diversos datos de datos disponibles como Face-Forensic ++, Deepfake Detection Challenge y Celeb-DF.
Git clone https://github.com/subhansahebshaik/detectify.git
Solo funciona si Git instalado en su sistema, de lo contrario, descargue el archivo zip manualmente desde GitHub y extraiga en la ubicación deseada.
Cree un 'modelos', 'uploaded_videos' y 'uploaded_images' directorios en la carpeta root.
Ahora descargue los modelos de G-Drive y luego copie en la carpeta de modelos creada anteriormente https://drive.google.com/drive/feders/1ux8jxuxyejhllz38tcgowgsz6xfsldj-?usp=SHARING
Ahora corre,
La creación de Evnironment virtual es opcional pero se recomienda
python -m venv venv venv scripts activar
El siguiente comando instalará todas las bibliotecas requeridas por el proyecto
PIP install -r requisitos.txt
Python Manage.py RunServer
Me gustaría expresar mi agradecimiento especial a Abhijitjadhav1998/Deepfake_Detection_USING_DEEP_learning Repository por proporcionar información e inspiración valiosas para este proyecto. El código y las ideas presentados en este repositorio sirvieron como una base y una guía para desarrollar nuestro método basado en el aprendizaje profundo para detectar videos falsos generados por IA.
