detectify
1.0.0
계산 능력이 커지면서 딥 러닝 알고리즘이 너무 강력 해져서 깊은 가짜로 널리 알려진 널리 사용되는 인간 합성 비디오를 만드는 것은 매우 간단 해졌습니다. 이 사실적인 얼굴이 깊은 가짜를 바꾸는 시나리오는 정치적 고통, 가짜 테러 사건을 만들기 위해 사용되며 협박 사람들은 쉽게 구상됩니다. 이 작업에서는 실제 비디오에서 AI 생성 가짜 비디오를 효과적으로 구별 할 수있는 새로운 딥 러닝 기반 방법을 설명합니다. 우리의 방법은 교체 및 재연 깊은 가짜를 자동으로 감지 할 수 있습니다. 우리의 시스템은 Res-Next Convolution Neural Network를 사용하여 프레임 레벨 기능과 이러한 기능을 추출하고 LSTM (Long-Short-Term Memory) 기반 재발 성 신경망 (RNN)을 교육하여 비디오가 모든 종류의 조작에 적용되는지 여부를 분류하는 데 사용됩니다. 즉, 비디오가 깊은 가짜인지 실제 비디오인지 여부를 분류합니다. 실시간 시나리오를 모방하고 실시간 데이터에서 모델을 더 잘 수행하도록하기 위해, 우리는 Face-Forensic ++, DeepFake Detection Challenge 및 CeleB-DF와 같은 다양한 데이터 세트를 혼합하여 준비한 많은 양의 균형 및 혼합 데이터 세트에 대한 방법을 평가합니다.
git 클론 https://github.com/subhansahebshaik/detectify.git
시스템에 GIT가 설치된 경우에만 작동하며 그렇지 않으면 GitHub에서 수동으로 ZIP 파일을 다운로드하여 원하는 위치로 추출합니다.
루트 폴더에서 '모델', 'uploaded_videos'및 'uploaded_images'디렉토리를 만듭니다.
이제 G-Drive에서 모델을 다운로드 한 다음 이전에 생성 된 모델 폴더로 복사하십시오 https://drive.google.com/drive/folders/1uxxyejhllz38tcgowgsz6xfsldj-?usp=sharing
이제 달리기
가상 환경 생성은 선택 사항이지만 권장됩니다
Python -m Venv Venv 스크립트가 활성화됩니다
다음 명령은 모든 프로젝트 필수 라이브러리를 설치합니다
PIP 설치 -R 요구 사항 .txt
Python Manage.py Runserver
이 프로젝트에 대한 귀중한 통찰력과 영감을 제공하기 위해 Abhijitjadhav1998/deepfake_detection_using_lirning 리포지토리에 특별한 감사를 표하고 싶습니다. 이 저장소에 제시된 코드 및 아이디어는 AI 생성 가짜 비디오를 감지하기위한 딥 러닝 기반 방법을 개발하기위한 기초 및 안내서 역할을했습니다.
