Bibliographic Details
| Title: |
Определение искусственно сгенерированных изображений: выпускная квалификационная работа бакалавра |
| Publisher Information: |
Санкт-Петербургский политехнический университет Петра Великого, 2025. |
| Publication Year: |
2025 |
| Subject Terms: |
искусственный интеллект, генеративные модели, desktop application, deep learnng, AI-generated images, детекция изображений, CNN, computer vision, image classification |
| Description: |
Theme of the final qualification work: «Detection of AI-generated images» This thesis presents the development of a lightweight convolutional neural network (CNN) and desktop application for detecting images generated by artificial intelligence models. A study of modern generative techniques (GANs, diffusion models) and detection methods was conducted. Based on the analysis, a custom CNN architecture—SimpleCNN—was proposed and trained using the AI Generated Images vs Real Images dataset. A cross-platform GUI application was implemented using Python and PyTorch, allowing users to analyze images locally without internet access or dedicated GPU. Testing showed the model achieves 86% accuracy and maintains robustness under common image distortions. The solution demonstrates practical applicability in areas such as journalism, digital forensics, and document validation. It confirms that effective AI-based image authenticity detection can be achieved under limited computational resources.
Тема выпускной квалификационной работы: «Определение искусственно сгенерированных изображений» В работе рассмотрены современные методы детекции изображений, созданных генеративными моделями искусственного интеллекта (GAN, Diffusion, Transformer). Проанализированы архитектуры нейронных сетей, применяемые для бинарной классификации изображений. Разработана и обучена лёгкая сверточная нейронная сеть (SimpleCNN), способная с высокой точностью определять, является ли изображение реальным или сгенерированным. Проведено тестирование устойчивости модели к искажениям и сравнение с альтернативными архитектурами. Разработано desktop-приложение с графическим интерфейсом для локального применения модели, не требующее интернет-соединения или специализированного оборудования. Работа подтверждает применимость разработанного решения в условиях ограниченных ресурсов. |
| Document Type: |
Other literature type |
| Language: |
Russian |
| DOI: |
10.18720/spbpu/3/2025/vr/vr25-3323 |
| Accession Number: |
edsair.doi...........1649ca838c2abae06eacab0ad9d1d217 |
| Database: |
OpenAIRE |