本系列收集了12个人工智能与先进计算学院有意思的学生毕业项目，并邀请项目的主导人为大家介绍项目的技术以及心得经验，希望可以给学弟学妹们带来一些科研灵感。
第二期的主人公是张燕北同学，她的毕业项目是基于ResNet-50的伪造和生成面部图像检测，指导老师是刘恒岩博士。
This series collected 12 interesting Final Year Projects from the School of AI and Advanced Computing (AIAC), and the project owners were invited to introduce the technology used in the projects as well as their experience, in the hope that they can bring some research inspirations to the undergraduates.
The protagonist of this issue is Yanbei Zhang, whose Final Year Project title is Improved Detection of Forged and Generated Facial Images Based on ResNet-50, her supervisor is Dr Hengyan Liu.
#01
The project was implemented through the Python and PyTorch frameworks, using the ResNet-50 model as the basic structure, integrating advanced methods such as self-attention mechanism and depth-separable convolution to achieve efficient image classification. The training and classification work of the project was completed on the high-performance computing platform. In this design, the modules of our programme guided me how to complete the graduation project step by step. For example, the module content covered multiple areas such as images, audio, and natural language, allowing me to find a research topic that interests me. The assignment design of each course required me to independently find data sets, perform data preprocessing and cleaning, build and fine-tune models, and visualize and analyze the results. By completing these assignments, I not only learned knowledge in various fields, but also mastered the complete process of a project.
School of AI and Advanced Computing
#02
随着ChatGPT的出现及其操作的便捷性，越来越多的普通用户也能够轻松使用这些AIGC工具。同时，生成技术也在日益成熟，生成图像不仅可以在短时间内完成，还达到了难以辨别真假的程度。此外，人们还经常通过Photoshop等图像处理软件，对真实图像进行编辑和修改，伪造出虚假的图像。通过这些工具，用户可以改变图像中的关键细节，例如面部特征、背景场景等，从而制造出具有误导性的视觉信息。虚假图像在社交媒体上传播，会引发误导性的讨论，并进一步加剧舆论的混乱破坏社会的稳定性。更为严重的是，犯罪分子可能利用这些虚假图像进行诈骗活动。因此，我想设计一个检测图像并辨别真伪的算法。
虽然对于人眼难以辨别伪造图像和生成图像，但对于计算机来说，生成图像通常具有更均匀的像素分布和更流畅的外观，而通过拼接制作的伪造图像则具有更多变化的像素，这两类图像有很大的差异。因此，仅能检测生成图像或伪造图像的模型并不适用于同时检测这两种类型的图像。
尽管目前已经有成熟的算法分别用于检测伪造图像和生成图像的真伪，但当一张图像在网络上传播时，由于我们无法预先判断它的性质是伪造的还是生成的，所以如果分别使用两种算法对一张图像进行两次检测，不仅浪费资源，还不够高效。因此，仍然需要一个能进一步真伪检测的算法，一个能够同时检测伪造图像和生成图像的模型。
School of AI and Advanced Computing
#03
DEMO
School of AI and Advanced Computing
#04
该项目通过Python和PyTorch框架实现，采用ResNet-50模型作为基本结构，融合了自注意力机制和深度可分离卷积等先进方法，实现了高效的图像分类。项目的训练和分类工作在西交利物浦大学的高性能计算平台上完成。在该设计中，大数据专业的课程引导我如何逐步完成毕业设计。例如，课程内容涵盖了图像、音频和自然语言等多个领域，使我能够找到一个感兴趣的研究主题。各个课程的作业设计要求我自主寻找数据集，进行数据预处理和清洗，搭建并微调模型，以及对结果进行可视化和分析。通过完成这些作业，不仅是对各个领域知识的学习，更掌握了一个项目的完整流程。
该项目可以应用于多个现实场景中，并具有一次性检测伪造图像和生成图像的能力。例如，在社交媒体内容审核中，该项目能够帮助平台同时检测出各类虚假图像，保护用户安全和平台信誉。在新闻和媒体行业，该项目可以验证新闻素材的真实性，防止虚假新闻的传播，维护新闻的可信度。尤其在当今互联网中，随着照片传播数量的增加，虚假图像类型的多样化，该检测算法在保证准确性的同时，有效地节约了计算资源和成本。
【END】
人工智能与先进计算学院，由处于人工智能和计算发展前沿的龙头企业参与创建。因此，学院拥有与人工智能行业技术研发紧密相关的稳健商业发展战略。学院在创业精神的支持下，开展行业主导的研究，作为学院各项工作的核心。
XJTLU_AIAC
欢迎关注
西浦太仓人工智能与先进计算学院
了解更多学院相关信息
Scan QR code to know more about AIAC!
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/193196.html