Mindket

Deepfake Detect

新上架第 1 版 · 更新于

概览

一个检测器,用 EfficientNet-B4 网络的集成区分真实图片和 GAN 生成的图片。适合事实核查员和研究者,带一个 Gradio 页面和一个脚本。

Deepfake Detect 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python 和 pip
  • huggingface_hub 包,用来获取文件
  • requirements.txt 里的包,以及 Gradio
  • 运行检测脚本需要用 environment.yml 创建的 conda 环境,以及模型权重,README 说要下载并解压到主文件夹下
用在
  • 网页浏览器,直接在 Hugging Face 的 Space 页面上使用
  • 在装有 Python 的 Windows、macOS 或 Linux 上运行本地副本
  • 运行检测脚本时用 conda 环境
先运行
pip install -U huggingface_hub
hf download artspark/deepfake-detect --repo-type space --local-dir deepfake-detect
cd deepfake-detect

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Deepfake Detect 是 Hugging Face Spaces 上的一个 Gradio 应用,用来区分真实图片和 GAN 生成的图片。它把几个基于 EfficientNet-B4 主干的卷积网络组合起来,每个网络用不同方式训练,以便在压缩和缩放下仍然稳健。仓库里还有一个脚本、一个 ROC 笔记本和许可证文件。

适合谁

它适合需要判断图片是否像合成图的人,也适合研究图像取证的研究者。

IndustryWho uses itHow they use itExample
新闻事实核查员检查一张可疑图片是否可能是生成的把图片交给检测器跑一遍
信任与安全审核团队筛查上传的图片里有没有合成图在命令行里给一张图片打分
学术取证研究者研究检测器和它的 ROC 曲线打开 roc_curves.ipynb

如果你需要一个有保证的结论,可以跳过它,因为检测器只返回分数,来源也没有给出准确率承诺。

用在哪里

  • 网页浏览器,直接在 Hugging Face 的 Space 页面上使用
  • 在装有 Python 的 Windows、macOS 或 Linux 上运行本地副本
  • 运行检测脚本时用 conda 环境
Use caseWhoWhat they get back
在线检查一张图片好奇的人一个分数,说明图片看起来是真实的还是合成的
用脚本给图片打分研究者单张图片路径对应的模型分数
查看性能研究者笔记本里每个数据集的 ROC 曲线

如何设置

在线使用 Space 什么都不用装。Space 的本地副本需要先准备这些。

  • Python 和 pip
  • huggingface_hub 包,用来获取文件
  • requirements.txt 里的包,以及 Gradio
  • 运行检测脚本需要用 environment.yml 创建的 conda 环境,以及模型权重,README 说要下载并解压到主文件夹下
  1. 安装 Hugging Face Hub 包。
  2. 把这个 Space 下载到名为 deepfake-detect 的文件夹。
  3. 进入这个文件夹。
  4. 先安装 Gradio,再安装 requirements.txt 里的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download artspark/deepfake-detect --repo-type space --local-dir deepfake-detect
cd deepfake-detect
pip install gradio
pip install -r requirements.txt
python app.py

单独使用检测脚本时,先创建 conda 环境,解压下载的权重,再对一张图片运行脚本。

conda env create -f environment.yml
conda activate gan-image-detection
unzip weigths.zip
python gan_vs_real_detector.py --img_path $PATH_TO_TEST_IMAGE

如何使用

打开 Hugging Face 上的 Space 页面,给它一张图片。在终端里,则用一张图片的路径运行检测脚本。

ToolWhat it does
app.py运行让你提供图片的 Gradio 页面
gan_vs_real_detector.py给出一个图片路径对应的模型分数
roc_curves.ipynb计算每个数据集的 ROC 曲线

示例

你对一张照片运行检测脚本,并传入它的路径。脚本会返回这张图片的模型分数,告诉你它看起来有多像合成图。

新手与专家

如果你是新手,先用一张你确定是真实的照片试试 Space 页面。GAN 是一种生成图片的程序,这个工具给出一张图片有多大可能是它生成的。

如果你懂这个领域,检测器是用不同方法训练的 EfficientNet-B4 网络的集成,训练参考了一篇关于 JPEG 压缩下训练的已发表论文。目的是让它在图片被压缩或缩放后仍能正常工作。

  1. 你给应用一张图片
  2. 多个 EfficientNet-B4 网络给它打分
  3. 分数合并成一个结果

注意事项

  • 权重是 README 指向的单独下载,脚本需要它们放在主文件夹里
  • 分数只是证据,不是证明,请把它当作一个信号
  • License: gpl-3
  • Cost to run: 未提及
  • Data it reaches: 你给它的图片和来自作者的权重下载

README 和文件

README

Deepfake Detect

一个检测器,用 EfficientNet-B4 网络的集成区分真实图片和 GAN 生成的图片。适合事实核查员和研究者,带一个 Gradio 页面和一个脚本。

由 artspark 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:Deepfake Detect 是 Hugging Face Spaces 上的一个 Gradio 应用,用来区分真实图片和 GAN 生成的图片。它把几个基于 EfficientNet-B4 主干的卷积网络组合起来,每个网络用不同方式训练,以便在压缩和缩放下仍然稳健。仓库里还有一个脚本、一个 ROC 笔记本和许可证文件。

适合谁:它适合需要判断图片是否像合成图的人,也适合研究图像取证的研究者。

Industry | Who uses it | How they use it | Example
新闻 | 事实核查员 | 检查一张可疑图片是否可能是生成的 | 把图片交给检测器跑一遍
信任与安全 | 审核团队 | 筛查上传的图片里有没有合成图 | 在命令行里给一张图片打分
学术 | 取证研究者 | 研究检测器和它的 ROC 曲线 | 打开 roc_curves.ipynb

如果你需要一个有保证的结论,可以跳过它,因为检测器只返回分数,来源也没有给出准确率承诺。

用在哪里:

  • 网页浏览器,直接在 Hugging Face 的 Space 页面上使用
  • 在装有 Python 的 Windows、macOS 或 Linux 上运行本地副本
  • 运行检测脚本时用 conda 环境
Use case | Who | What they get back
在线检查一张图片 | 好奇的人 | 一个分数,说明图片看起来是真实的还是合成的
用脚本给图片打分 | 研究者 | 单张图片路径对应的模型分数
查看性能 | 研究者 | 笔记本里每个数据集的 ROC 曲线

如何设置:在线使用 Space 什么都不用装。Space 的本地副本需要先准备这些。

  • Python 和 pip
  • huggingface_hub 包,用来获取文件
  • requirements.txt 里的包,以及 Gradio
  • 运行检测脚本需要用 environment.yml 创建的 conda 环境,以及模型权重,README 说要下载并解压到主文件夹下
  1. 安装 Hugging Face Hub 包。
  2. 把这个 Space 下载到名为 deepfake-detect 的文件夹。
  3. 进入这个文件夹。
  4. 先安装 Gradio,再安装 requirements.txt 里的包。
  5. 启动应用。
pip install -U huggingface_hub
hf download artspark/deepfake-detect --repo-type space --local-dir deepfake-detect
cd deepfake-detect
pip install gradio
pip install -r requirements.txt
python app.py

单独使用检测脚本时,先创建 conda 环境,解压下载的权重,再对一张图片运行脚本。

conda env create -f environment.yml
conda activate gan-image-detection
unzip weigths.zip
python gan_vs_real_detector.py --img_path $PATH_TO_TEST_IMAGE

如何使用:打开 Hugging Face 上的 Space 页面,给它一张图片。在终端里,则用一张图片的路径运行检测脚本。

Tool | What it does
app.py | 运行让你提供图片的 Gradio 页面
gan_vs_real_detector.py | 给出一个图片路径对应的模型分数
roc_curves.ipynb | 计算每个数据集的 ROC 曲线

示例:你对一张照片运行检测脚本,并传入它的路径。脚本会返回这张图片的模型分数,告诉你它看起来有多像合成图。

新手与专家:如果你是新手,先用一张你确定是真实的照片试试 Space 页面。GAN 是一种生成图片的程序,这个工具给出一张图片有多大可能是它生成的。

如果你懂这个领域,检测器是用不同方法训练的 EfficientNet-B4 网络的集成,训练参考了一篇关于 JPEG 压缩下训练的已发表论文。目的是让它在图片被压缩或缩放后仍能正常工作。

你给应用一张图片
多个 EfficientNet-B4 网络给它打分
分数合并成一个结果

注意事项:

  • 权重是 README 指向的单独下载,脚本需要它们放在主文件夹里
  • 分数只是证据,不是证明,请把它当作一个信号
  • License: gpl-3
  • Cost to run: 未提及
  • Data it reaches: 你给它的图片和来自作者的权重下载

Hugging Face 上的数据(2026年11月13日)

  • 点赞:0
  • 构建方式:gradio
  • 许可证:gpl-3.0

链接

  • Space:https://huggingface.co/spaces/artspark/deepfake-detect
  • 文件:https://huggingface.co/spaces/artspark/deepfake-detect/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  5 KB

1 个文件,共 5 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
Deepfake Detect 本页0gradiogpl-3.0
Open VLM Leaderboard共有 gradio1,034gradioapache-2.0
Face Swap共有 gradio808gradiocc-by-nc-sa-4.0
TTS Spaces Arena共有 gradio493gradiozlib
Depth Anything 3共有 gradio490gradiocc-by-nc-4.0
BLIP共有 gradio431gradiobsd-3-clause
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

AbdomenAtlas · 工具包

在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。

新上架

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架