Details

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.

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.

• РЕФЕРАТ
• ABSTRACT
• ВВЕДЕНИЕ
• ГЛАВА 1: ПОСТАНОВКА И ОБОСНОВАНИЕ АКТУАЛЬНОСТИ ЗАДАЧИ
  • 1.1. Обоснование актуальности работы
  • 1.2. Обзор существующих подходов к детекции сгенерированных изображений
• ГЛАВА 2: АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ
  • 2.1. Генерация изображения с помощью ИИ
  • 2.2. Проблемы существующих решений
  • 2.3. Вывод
• ГЛАВА 3. ПОСТАНОВКА ЗАДАЧИ И ВЫБОР АПХИТЕКТУРЫ
  • 3.1. Цель работы
  • 3.2. Функциональные требования
  • 3.3. Нефункциональные требования
  • 3.4. Выбор инструментов и технологий
  • 3.5 Архитектура модели SimpleCNN
• ГЛАВА 4. РЕАЛИЗАЦИЯ И ОБУЧЕНИЕ МОДЕЛИ
  • 4.1. Подготовка данных
  • 4.2. Архитектура и реализация модели
  • 4.3. Процесс обучения
• ГЛАВА 5. АНАЛИЗ РЕЗУЛЬТАТОВ
  • 5.1 Оценка точности и устойчивости модели
  • 5.2 Интерпретация предсказаний
  • 5.3 Проверка на устойчивость к искажениям
  • 5.4 Сравнение с альтернативными подходами
  • 5.5 Практическая применимость
• ГЛАВА 6. СОЗДАНИЕ ПРИЛОЖЕНИЯ
  • 6.1. Общая структура приложения
  • 6.2. Выбор технологий
  • 6.3. Интерфейс пользователя
  • 6.4. Обработка изображений
  • 6.5. Интеграция модели
  • 6.6. Упаковка и распространение
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ