CS386-Deepfake-detection

视频流真假人脸对应截取

对于相应的视频流中的真假人脸提取，本项目使用face_recognition方法来事先真假人脸的对应截取，具体代码位于video_cutter文件夹下

我们的程序默认设置为截取CD2数据集视频，若需截取其他特定文件夹下的对应视频帧中的人脸，请详见video_cutter文件夹下的dataset_generator.py程序

在video_cutter文件夹下下载CD2的数据集后，需先在本地新建以下文件结构：

Your datast name(此处默认为CD2)

接着输入以下指令生成数据集

python dataset_generator.py

若需测试基于SSIM的mask图像生成效果，提供了相应的程序于mask_generator文件夹中

可将对应的真假脸图像至于data文件夹的fake与real文件夹中，对应的修改MSSIM.py中关于图像文件的目录，即可查看基于SSIM的mask图像的效果，其具体的运行指令如下：

python MSSIM.py

本项目基于Face-X-ray的开源代码，对于I2G mask 图像生成进行了实现，其具体实现在X-ray Data Generator下，我们应我们的需要针对不同视频的不同真实人脸做FaceBlending，在生成真假脸图像的同时，得到其相应的mask图像

首先，需要建立以下的文件结构的dataset文件夹于X-ray Data Generator下：

dataset

接着，需要使用以下指令生成相应视频中所截取图像的landmark

python landmarkDBGenerator.py

此处，生成landmarks文件将至于对应的dataset/landmarks文件夹的相应序号的文件夹内，具体如下所示：

landmarks

其生成图像的具体指令如下

python dataSetGenerator_cross.py

基于上述方法得到的用于实际训练与测试的数据集，我们已将其放于交大云盘之上，具体连接如下 : https://jbox.sjtu.edu.cn/l/t1clNo

对于其中的.pkl文件，可以将其至于pkl_data目录下，通过输入以下指令进行读取，读取到的文件会在训练与测试所用目录ResNet34+PCL的data与test_data文件夹下

python dataset_pkl_load.py

在进行网络的训练之前，我们选定当前目录为ResNet34+PCL，训练所用的数据集在data文件夹内，接着输入以下指令开始训练

python train.py

其训练的具体输出将会在产生的log文件夹的__main__.info.log文件中

另外，训练的具体参数详见 config.py文件

测试所用的指令与训练相同，测试所用的数据集在test_data文件夹内，但需事先将 config.py文件中的test、validate或是video_test参数改为测试所用模型的地址，具体详见 config.py文件

python train.py

注意：在本项目中，若test与validate的模型文件地址非空，将优先进行validate与test