VeriChain 深度伪造检测模型 - ViT

本仓库包含用于深度伪造（Deepfake）检测任务的 Vision Transformer (ViT) 微调模型工件，作为 VeriChain 项目的一部分开发。

该模型用于将图像分类为以下三个类别之一：真实、AI生成 或 深度伪造。

仓库结构

本仓库中的模型工件组织如下：

• /models/vit-deepfake-model/：包含最终的微调 PyTorch 模型文件，可直接使用 transformers 库加载。
• /models/onnx/：包含转换为 ONNX 格式的模型，针对生产部署和推理进行了优化。
• /assets/：包含文档视觉素材，如混淆矩阵。

如何使用（PyTorch 模型）

您可以使用 transformers 库中的 pipeline 函数直接使用微调后的 PyTorch 模型。请确保指定正确的 subfolder。

from transformers import pipeline
from PIL import Image

# 使用您的模型加载图像分类管道
# 'subfolder' 参数指向包含模型文件的目录
classifier = pipeline(
    \"image-classification\", 
    model=\"einrafh/verichain-deepfake-models\", 
    subfolder=\"models/vit-deepfake-model\"
)

# 加载您想要分类的图像
# 请确保将 'path/to/your/image.jpg' 替换为实际的图像文件
try:
    image = Image.open('path/to/your/image.jpg')
    results = classifier(image)
    print(results)
except FileNotFoundError:
    print(\"Please provide a valid path to an image file.\")

# 示例输出：
# [{'label': 'Deepfake', 'score': 0.9985}, {'label': 'AI Generated', 'score': 0.0010}, {'label': 'Real', 'score': 0.0005}]

评估结果

该模型在 2,000 张图像的留出测试集上进行了评估，取得了近乎完美的性能。

分类报告

混淆矩阵

下面的混淆矩阵展示了该模型在所有类别上的高精确率和高召回率，误分类极少。

引用

如果您在研究中使用了此模型，请考虑引用本仓库。

@misc{verichain_model_2025,
  author = {Muhammad Rafly Ash Shiddiqi},
  title = {VeriChain Deepfake Detection Model - ViT},
  year = {2025},
  publisher = {Hugging Face},
  journal = {Hugging Face repository},
  howpublished = {\url{[https://huggingface.co/einrafh/verichain-deepfake-models](https://huggingface.co/einrafh/verichain-deepfake-models)}},
}

许可证

版权所有 (c) 2025 Muhammad Rafly Ash Shiddiqi.