Upload README.md with huggingface_hub

README.md

@@ -0,0 +1,111 @@
+---
+license: mit
+tags:
+- image-classification
+- deepfake-detection
+- tensorflow
+- tflite
+datasets:
+- custom
+metrics:
+- accuracy
+---
+
+# Deepfake Detector Model
+
+Este modelo detecta si una imagen es REAL o FAKE (generada/manipulada).
+
+## Modelo
+
+- **Arquitectura:** ResNet50 con Transfer Learning
+- **Framework:** TensorFlow / TensorFlow Lite
+- **Input:** Imágenes RGB de 128x128 píxeles
+- **Output:** Probabilidad sigmoid (0=FAKE, 1=REAL)
+- **Threshold:** 0.5
+
+## Uso
+
+### Con TensorFlow Lite (Python)
+
+```python
+import tensorflow as tf
+import numpy as np
+from PIL import Image
+from huggingface_hub import hf_hub_download
+
+# Descargar modelo
+model_path = hf_hub_download(
+    repo_id="juandaram/deepfake-detector",
+    filename="model.tflite"
+)
+
+# Cargar modelo
+interpreter = tf.lite.Interpreter(model_path=model_path)
+interpreter.allocate_tensors()
+
+# Preparar imagen
+image = Image.open("tu_imagen.jpg").convert('RGB')
+image = image.resize((128, 128))
+img_array = np.array(image, dtype=np.float32) / 255.0
+img_batch = np.expand_dims(img_array, axis=0)
+
+# Predecir
+input_details = interpreter.get_input_details()
+output_details = interpreter.get_output_details()
+interpreter.set_tensor(input_details[0]['index'], img_batch)
+interpreter.invoke()
+output = interpreter.get_tensor(output_details[0]['index'])
+
+prediction = "REAL" if output[0][0] > 0.5 else "FAKE"
+confidence = output[0][0] if output[0][0] > 0.5 else (1 - output[0][0])
+
+print(f"Prediction: {prediction}")
+print(f"Confidence: {confidence:.3f}")
+```
+
+### Con SavedModel (Python)
+
+```python
+import tensorflow as tf
+from huggingface_hub import snapshot_download
+
+# Descargar modelo completo
+model_dir = snapshot_download(repo_id="juandaram/deepfake-detector")
+
+# Cargar modelo
+model = tf.saved_model.load(f"{model_dir}/saved_model")
+infer = model.signatures['serving_default']
+
+# Usar igual que arriba...
+```
+
+## Métricas
+
+- Validation Accuracy: ~84%
+- Training Epochs: 5
+
+## Clases
+
+- 0: FAKE (imagen generada/manipulada)
+- 1: REAL (imagen auténtica)
+
+## Preprocesamiento
+
+Las imágenes deben:
+1. Convertirse a RGB
+2. Redimensionarse a 128x128
+3. Normalizarse dividiendo por 255.0 (rango [0, 1])
+
+## Limitaciones
+
+- El modelo puede tener sesgo hacia la clase FAKE
+- Funciona mejor con imágenes similares al dataset de entrenamiento
+- Requiere imágenes de buena calidad
+
+## Licencia
+
+MIT
+
+## Contacto
+
+Para preguntas o problemas, abre un issue en el repositorio.