✏️ Сергей Золотарев: Моя вторая AI-модель: Проверка подлинности аватарок в сервисе знакомств
VK
Сергей Золотарев. Пост со стены.
Моя вторая AI-модель: Проверка подлинности аватарок в сервисе знакомств
✏️ Сергей Золотарев:
• Проблема фейковых профилей в сервисах знакомств актуальна
• Цель: автоматическое определение реальной фотографии пользователя от поддельной.
• Подготовка данных: две выборки (европейские и испанские лица), обработка изображений (уменьшение разрешения, аугментация, выравнивание контрастности и освещенности).
• Архитектура нейросети: Python, TensorFlow, стандартные слои CNN (свертки, пулинг, полносвязный слой, Dropout).
• Тренировка модели: оптимизатор Adam, критерий потерь Binary Cross Entropy, ранняя остановка (Early Stopping).
• Оценка результатов: графики точности и потери для тестирования модели.
• Пользование моделью: проверка подлинности фото через скрипты, приложение выдает заключение "Реальная!" или "Подделка!".
• Модель простая, быстрая, легко интегрируется в приложения, риск переобучения минимизирован.
• Это мой первый серьезный опыт работы с компьютерным зрением и машинным обучением, который привел к углублению знаний в Data Science.
https://zolotaryow.my1.ru/blog/moja_vtoraja_ai_model_proverka_podlinnosti_avatarok_v_servise_znakomstv/2025-07-24-5
Kaggle: https://www.kaggle.com/code/seregazolotaryow64/antifrodforimages
Github: https://github.com/Serzol64/dating_antifrodForImages
Зеркало в Gitflic: https://gitflic.ru/project/serzol64/dating_antifrodforimages
@mentalcoder_live
• Проблема фейковых профилей в сервисах знакомств актуальна
• Цель: автоматическое определение реальной фотографии пользователя от поддельной.
• Подготовка данных: две выборки (европейские и испанские лица), обработка изображений (уменьшение разрешения, аугментация, выравнивание контрастности и освещенности).
• Архитектура нейросети: Python, TensorFlow, стандартные слои CNN (свертки, пулинг, полносвязный слой, Dropout).
• Тренировка модели: оптимизатор Adam, критерий потерь Binary Cross Entropy, ранняя остановка (Early Stopping).
• Оценка результатов: графики точности и потери для тестирования модели.
• Пользование моделью: проверка подлинности фото через скрипты, приложение выдает заключение "Реальная!" или "Подделка!".
• Модель простая, быстрая, легко интегрируется в приложения, риск переобучения минимизирован.
• Это мой первый серьезный опыт работы с компьютерным зрением и машинным обучением, который привел к углублению знаний в Data Science.
https://zolotaryow.my1.ru/blog/moja_vtoraja_ai_model_proverka_podlinnosti_avatarok_v_servise_znakomstv/2025-07-24-5
Kaggle: https://www.kaggle.com/code/seregazolotaryow64/antifrodforimages
Github: https://github.com/Serzol64/dating_antifrodForImages
Зеркало в Gitflic: https://gitflic.ru/project/serzol64/dating_antifrodforimages
@mentalcoder_live