metadata
pipeline_tag: image-classification
library_name: keras
language:
- th
- en
- zh
license: apache-2.0
tags:
- mobilenetv2
- ai-detector
- image-recognition
dtacAI-betaV1
Description / คำอธิบาย / 描述
English: An advanced binary image classification model designed to distinguish between AI-generated and True (Real) images. Built on MobileNetV2 with transfer learning and data augmentation.
ไทย: โมเดลจำแนกภาพประสิทธิภาพสูงที่ถูกพัฒนาขึ้นเพื่อแยกแยะระหว่างภาพที่สร้างโดย AI และภาพถ่ายจริง (TRUE) โดยใช้ฐานโครงสร้าง MobileNetV2 และเทคนิค Transfer Learning
中文: 一个高级二元图像分类模型，旨在区分 AI 生成的图像和真实图像。基于 MobileNetV2，采用迁移学习和数据增强技术构建。
Performance Comparison / การเปรียบเทียบผลลัพธ์ / 性能对比
| Model | Input Size | Accuracy |
|---|---|---|
| dtacAI-beta (Baseline) | 150x150 | 68.18% |
| dtacAI-betaV1 (Current) | 224x224 | 93.64% |
Usage / วิธีใช้งาน / 如何使用
import tensorflow as tf
from huggingface_hub import hf_hub_download
import numpy as np
# 1. Download & Load Model
repo_id = "GGXV1/dtacAI-betaV1"
filename = "dtacAI_betaV1_model.h5"
model_path = hf_hub_download(repo_id=repo_id, filename=filename)
model = tf.keras.models.load_model(model_path)
# 2. Prepare Image
def predict_image(img_path):
img = tf.keras.utils.load_img(img_path, target_size=(224, 224))
img_array = tf.keras.utils.img_to_array(img)
img_array = tf.expand_dims(img_array, 0) # Create a batch
predictions = model.predict(img_array)
score = tf.nn.sigmoid(predictions[0])
return "TRUE" if score > 0.5 else "AI"
Training Metrics
Limitations & Biases
This model is a beta version. Accuracy may vary depending on image lighting and resolution.