detectify

Resumo

O crescente poder de computação tornou os algoritmos de aprendizado profundo tão poderosos que criar um vídeo sintetizado humano indistinguível popularmente chamado como falses profundas se tornou muito simples. Cenários em que esse rosto realista trocou falsificações profundas são usadas para criar sofrimento político, eventos de terrorismo falsos, os povos de chantagem são facilmente previstos. Neste trabalho, descrevemos um novo método baseado em aprendizado profundo que pode efetivamente distinguir vídeos falsos gerados por IA de vídeos reais. Nosso método é capaz de detectar automaticamente as falsificações profundas de substituição e reencenação. Nosso sistema usa uma rede neural de convolução res-next para extrair os recursos de nível de quadro e esses recursos e ainda mais usados ​​para treinar a rede neural recorrente (RNN) baseada em memória de longo prazo (LSTM) para classificar se o vídeo está sujeito a algum tipo de manipulação ou não, ou seja, se o vídeo é profundo ou real. Para emular os cenários em tempo real e fazer com que o modelo tenha um desempenho melhor nos dados em tempo real, avaliamos nosso método em uma grande quantidade de conjunto de dados equilibrado e misto preparado, misturando os vários dados disponíveis, como forense facial ++, DeepFake Challenge e Celeb-DF.

Como correr

1. Abra o terminal ou prompt de comando do local onde você deseja definir o projeto.
2. Agora execute o seguinte comando,

Git clone https://github.com/subhansahebshaik/detectify.git

Ele funciona apenas se o Git instalado em seu sistema, caso contrário, faça o download do zip arquivo manualmente do GitHub e extrai -o para o local desejado.

3. Crie um 'Modelos', 'Upload_videos' e 'Upload_images' Diretórios na pasta raiz.

4. Agora faça o download dos modelos do g-drive e copie-os na pasta de modelos criados anteriormente https://drive.google.com/drive/folders/1ux8jxuxyejhllz38tcgowgsz6xfsldj-?usp=sharing

5. Agora corra,

Criar Evnironment virtual é opcional, mas recomendado

python -m venv venv scripts ativado

O comando a seguir instalará todas as bibliotecas necessárias do projeto

pip install -r requisitos.txt

6. Agora execute servidor,

Python Manage.py RunServer

7. Agora o servidor local está pronto. Abra qualquer navegador e visite http://127.0.0.1:8000/

Agradecimentos especiais a

Gostaria de expressar meus agradecimentos especiais a abhijitjadhav1998/deepfake_detection_using_deep_learning repositório por fornecer informações e inspiração valiosas para este projeto. O código e as idéias apresentadas neste repositório serviram como base e guia para o desenvolvimento de nosso método baseado em aprendizado profundo para detectar vídeos falsos gerados pela IA.

---