许可证：apache-2.0
评估指标：

• 准确率
• F1分数
  基础模型：
• google/vit-base-patch16-224-in21k

用于检测图像是真实的还是由AI生成的伪造图像。

对希望在生产环境中使用此模型的用户的注意事项

请注意，该模型是基于约三年前收集的数据集进行训练的。
自那时以来，使用常见AI工具生成深度伪造图像的技术已取得显著进展，导致概念漂移现象显著。
为缓解此问题，我强烈建议您使用最新的标记数据重新训练模型。
作为一种快速解决方法，可以简单地降低将图像标记为伪造的阈值（例如从默认的0.5降至0.1甚至0.01），这可能暂时有效。
但请注意，这样做需自行承担风险，而重新训练模型才是应对概念漂移的更佳方式。

更多详情请参阅：https://www.kaggle.com/code/dima806/deepfake-vs-real-faces-detection-vit

分类报告：

              精确率  召回率  F1分数  支持数

        真实     0.9921    0.9933    0.9927     38080  
        伪造     0.9933    0.9921    0.9927     38081  

    准确率                         0.9927     76161  
    宏平均     0.9927    0.9927    0.9927     76161  
加权平均     0.9927    0.9927    0.9927     76161