El proyecto implica la construcción de una aplicación basada en Python que utiliza el modelo pre-entrenado Mobilenetv2 para identificar imágenes falsas, específicamente DeepFakes, en el contexto panameño. A través de este proyecto, se busca generar conciencia sobre la importancia de la ciberseguridad, el cuidado de los datos personales y la lucha contra la desinformación, con el objetivo de proteger a las personas y las instituciones de los posibles riesgos asociados a la manipulación de imágenes.
¿Qué necesitas para probar el prototipo?
- Si no eres Programador (Método Fácil) (Video Tutorial incluido):
- Descarga el ejecutable .exe del prototipo desde Mega.
- Ver tutorial explicativo para probar el prototipo Youtube
- Si eres Programador:
- Clona el repositorio en tu computador.
git clone https://github.com/OmarFloresPTY/detector_deepfake_JIC.git
- Crea un entorno virtual desde cero.
py -m <nombre-del-entorno> venv
.\<nombre-del-entorno>\Scripts\activate
- Instala las dependencias en tu entorno virtual.
pip install -r requirements.txt
- Ejecuta el programa.
A continuación se muestran las herramientas utilizadas para crear el proyecto.
Documentación oficial de cada herramienta:
Para entender un poco el flujo de preparación o elaboración del prototipo se presenta el siguiente gráfico:
- El proyecto es compatible con la versión actual de Python 3.11.3, lo cual garantiza su compatibilidad con las últimas versiones de la herramienta.
- Está disponible para ser ejecuta desde un .exe en Windows 10 y 11.
- El programa fue desarrollado para funcionar en una interfaz gráfica, lo que permite una interacción más amigable y visual con el usuario.
- La programación de la interfaz está bajo el paradigma de la programación orientada a objetos.
-
filedialog: filedialog es un módulo de la librería tkinter que proporciona funciones para interactuar con el sistema de archivos del usuario, permitiendo seleccionar archivos o directorios a través de cuadros de diálogo. -
customtkinter: customtkinter es una librería personalizada (probablemente creada por el usuario o alguien más) que extiende las funcionalidades de tkinter y ofrece componentes de interfaz gráfica adicionales o personalizados. Al importarla comoctk, se renombra para facilitar su uso en el código. -
PIL: PIL (Python Imaging Library) es una librería muy popular para el procesamiento de imágenes en Python. Al importar Image y ImageTk, podemos utilizar las funciones y clases proporcionadas por PIL para cargar y manipular imágenes. -
requests: requests es una librería de Python que simplifica el envío de solicitudes HTTP. Proporciona una interfaz fácil de usar para interactuar con servicios web y realizar solicitudes GET, POST, etc. -
io: io es un módulo de Python que proporciona clases y funciones para manejar la entrada y salida de datos. Se utiliza en este caso para trabajar con datos binarios. -
BytesIO: BytesIO es una clase en el módulo io que permite tratar datos binarios como si fueran archivos en memoria. Es útil para leer y escribir datos binarios, como imágenes, en un entorno de memoria. -
cv2: cv2 es una librería de código abierto para el procesamiento de imágenes y visión por computadora en Python. Proporciona funciones para cargar, manipular y analizar imágenes y videos. -
urllib.request: urllib es un módulo de Python que proporciona funciones para trabajar con URL y realizar solicitudes web. urllib.request se utiliza en este caso para cargar imágenes desde una URL. -
numpy: numpy es una librería de Python ampliamente utilizada para realizar cálculos numéricos y manipulación de matrices. Proporciona una estructura de datos de matriz multidimensional y funciones matemáticas para realizar operaciones eficientes en matrices. -
tensorflow: tensorflow es una librería de aprendizaje automático de código abierto desarrollada por Google. Permite la creación y entrenamiento de redes neuronales y se utiliza ampliamente en tareas de procesamiento de imágenes, reconocimiento de voz, procesamiento de lenguaje natural y más. Al importarla comotf, se renombra para facilitar su uso en el código.
A continuación se presentarán las diferentes salidas que otorga el sistema al usuario.
En el proyecto participaron los siguientes autores.
- Omar Flores:
- correo institucional: omar.flores@utp.ac.pa
- linkedin: omarabdielflores
- Dante Della Togna:
- correo institucional: dante.dellatogna@utp.ac.pa
- linkedin: dante-della-togna
- github: dantedellatogna
- Ashly Arroyo:
- correo institucional: ashly.arroyo@utp.ac.pa
Este proyecto está bajo la Licencia MIT License Copyright (c) 2023 Omar Flores
⌨️ con ❤️ por Omar Flores 😊