language:
- ar
- en
library_name: custom
tags:
- computer-vision
- image-classification
- ai-detection
- ai-generated-content
- deepfake-detection
datasets:
- custom
license: mit
Enhanced AI Image Detector (كاشف الصور المنشأة بالذكاء الاصطناعي المحسن)
هذا النموذج يكتشف ما إذا كانت الصورة حقيقية أم منشأة بواسطة الذكاء الاصطناعي باستخدام تقنيات متعددة لرؤية الحاسوب.
This model detects whether an image is real or AI-generated using multiple computer vision techniques.
Model Description (وصف النموذج)
يستخدم كاشف الصور المنشأة بالذكاء الاصطناعي المحسن مجموعة من تقنيات رؤية الكمبيوتر لتحليل جوانب مختلفة من الصور وتحديد ما إذا كانت صورًا فوتوغرافية أصلية أو تم إنشاؤها بواسطة أدوات الذكاء الاصطناعي مثل DALL-E أو Midjourney أو Stable Diffusion.
The Enhanced AI Image Detector uses a combination of computer vision techniques to analyze various aspects of images and determine whether they are authentic photographs or generated by AI tools like DALL-E, Midjourney, or Stable Diffusion.
Key Features (الميزات الرئيسية)
تحليل متعدد الجوانب: يفحص أنماط الضوضاء والملمس واتساق الألوان والحواف وميزات الوجه
لا يتطلب التعلم العميق: يستخدم تقنيات رؤية الكمبيوتر التقليدية دون الحاجة إلى موارد وحدة معالجة الرسومات
نتائج مفصلة: يوفر تحليلًا شاملاً مع درجات لكل طريقة كشف
كشف يدرك الوجوه: تحليل خاص للصور التي تحتوي على وجوه، والتي غالبًا ما تكون حالات صعبة
Multi-faceted Analysis: Examines noise patterns, texture, color coherence, edges, and facial features
No Deep Learning Required: Uses traditional computer vision techniques without requiring GPU resources
Detailed Results: Provides comprehensive analysis with scores for each detection method
Face-aware Detection: Special analysis for images containing faces, which are often challenging cases
How It Works (كيف يعمل)
يحلل النموذج العديد من خصائص الصورة التي تختلف عادة بين الصور الحقيقية والصور المنشأة بالذكاء الاصطناعي:
The model analyzes several image characteristics that typically differ between real and AI-generated images:
تحليل أنماط الضوضاء:
- تحليل مستوى الخطأ (ELA)
- كشف الضوضاء باستخدام مرشح لابلاس
- تحليل المجال الترددي
تحليل الملمس:
- ميزات مصفوفة التواجد المشترك للمستويات الرمادية (GLCM)
- تجانس الملمس والتباين
تحليل اتساق الألوان:
- توزيع الألوان والانتروبيا
- الارتباطات بين القنوات
تحليل الحواف:
- اتساق الحواف وأنماطها
- توزيع اتجاه التدرج
تحليل الوجوه (عند وجود وجوه):
- تناظر الوجه
- اتساق الملمس والتفاصيل
- نسب الوجه
Usage (الاستخدام)
from ai_detector import EnhancedAIDetector
# تهيئة الكاشف
detector = EnhancedAIDetector()
# تحليل صورة
result = detector.analyze_image("path/to/image.jpg")
# التحقق من النتيجة
if result["is_ai_generated"]:
print("هذه الصورة على الأرجح منشأة بالذكاء الاصطناعي")
print(f"درجة الثقة: {result['overall_score']:.2f}")
else:
print("هذه الصورة على الأرجح حقيقية")
print(f"درجة الثقة: {1 - result['overall_score']:.2f}")
# عرض التحليل المفصل
print(f"نتيجة تحليل الضوضاء: {result['noise_analysis']['score']:.2f}")
print(f"نتيجة تحليل الملمس: {result['texture_analysis']['score']:.2f}")
print(f"نتيجة تحليل الألوان: {result['color_analysis']['score']:.2f}")
print(f"نتيجة تحليل الحواف: {result['edge_analysis']['score']:.2f}")
if "face_analysis" in result:
print(f"نتيجة تحليل الوجه: {result['face_analysis']['score']:.2f}")
Limitations (القيود)
قد يواجه النموذج صعوبة مع الصور المنشأة بالذكاء الاصطناعي عالية الواقعية
قد يتم تصنيف بعض الصور الحقيقية ذات الخصائص غير العادية بشكل خاطئ
يعتمد الأداء على جودة الصورة ودقتها
يتطلب تحليل الوجه وجود وجوه مرئية بتفاصيل كافية
The model may struggle with highly realistic AI-generated images
Some real images with unusual characteristics may be misclassified
Performance depends on image quality and resolution
Face analysis requires visible faces with sufficient detail
Performance (الأداء)
تم اختبار النموذج على مجموعة متنوعة من الصور الحقيقية والمنشأة بالذكاء الاصطناعي، وحقق دقة إجمالية تزيد عن 85٪. يعمل النموذج بشكل أفضل مع الصور عالية الجودة وقد يواجه صعوبة مع الصور ذات الجودة المنخفضة أو المضغوطة بشدة.
The model has been tested on a diverse set of real and AI-generated images, achieving an overall accuracy of over 85%. The model performs best with high-quality images and may struggle with low-quality or heavily compressed images.