Result: Определение искусственно сгенерированных изображений: выпускная квалификационная работа бакалавра

Theme of the final qualification work: «Detection of AI-generated images» This thesis presents the development of a lightweight convolutional neural network (CNN) and desktop application for detecting images generated by artificial intelligence models. A study of modern generative techniques (GANs, diffusion models) and detection methods was conducted. Based on the analysis, a custom CNN architecture—SimpleCNN—was proposed and trained using the AI Generated Images vs Real Images dataset. A cross-platform GUI application was implemented using Python and PyTorch, allowing users to analyze images locally without internet access or dedicated GPU. Testing showed the model achieves 86% accuracy and maintains robustness under common image distortions. The solution demonstrates practical applicability in areas such as journalism, digital forensics, and document validation. It confirms that effective AI-based image authenticity detection can be achieved under limited computational resources.
Тема выпускной квалификационной работы: «Определение искусственно сгенерированных изображений» В работе рассмотрены современные методы детекции изображений, созданных генеративными моделями искусственного интеллекта (GAN, Diffusion, Transformer). Проанализированы архитектуры нейронных сетей, применяемые для бинарной классификации изображений. Разработана и обучена лёгкая сверточная нейронная сеть (SimpleCNN), способная с высокой точностью определять, является ли изображение реальным или сгенерированным. Проведено тестирование устойчивости модели к искажениям и сравнение с альтернативными архитектурами. Разработано desktop-приложение с графическим интерфейсом для локального применения модели, не требующее интернет-соединения или специализированного оборудования. Работа подтверждает применимость разработанного решения в условиях ограниченных ресурсов.