Авторы: (1) Гонсало Дж. Аниано Порсиле, LinkedIn; (2) Джек Гинди, LinkedIn; (3) Шиванш Мундра, LinkedIn; (4) Джеймс Р. Вербус, LinkedIn; (5) Хани Фарид, LinkedIn и Калифорнийский университет в Беркли. Таблица ссылок Аннотация и введение Наборы данных Модель Полученные результаты Обсуждение, благодарности и ссылки 3. Модель Мы обучаем модель отличать настоящие лица от сгенерированных ИИ. Базовой моделью является сверточная нейронная сеть EfficientNet-B1[7] [30]. Мы обнаружили, что эта архитектура обеспечивает лучшую производительность по сравнению с другими современными архитектурами (Swin-T [22], Resnet50 [14], XceptionNet [7]). Сеть EfficientNet-B1 имеет 7,8 миллионов внутренних параметров, которые были предварительно обучены на наборе данных изображений ImageNet1K [30]. Наш конвейер состоит из трех этапов: (1) этап предварительной обработки изображения; (2) этап внедрения изображения; и (3) этап подсчета очков. Модель принимает на вход цветное изображение и генерирует числовой балл в диапазоне [0, 1]. Оценка около 0 указывает на то, что изображение, скорее всего, является реальным, а оценка около 1 указывает на то, что изображение, скорее всего, создано искусственным интеллектом. На этапе предварительной обработки изображения размер входного изображения изменяется до разрешения 512×512 пикселей. Это цветное изображение с измененным размером затем передается на уровень передачи обучения EfficientNet-B1. На этапе оценки выходные данные слоя переноса обучения подаются на два полносвязных слоя, каждый размером 2048, с функцией активации ReLU, слой отсева с вероятностью отсева 0,8 и финальный оценочный слой с сигмоидальной активацией. Настраиваются только слои оценки с 6,8 миллионами обучаемых параметров. Обучаемые веса оптимизируются с использованием алгоритма AdaGrad с мини-пакетом размером 32, скоростью обучения 0,0001 и обучаются до 10 000 шагов. Для обучения модели использовался кластер с 60 графическими процессорами NVIDIA A100. Этот документ под лицензией CC 4.0. доступен на arxiv [7] Мы описываем старую версию модели EfficientNet, которую мы ранее применяли в LinkedIn, которая с тех пор была заменена новой моделью. Мы понимаем, что эта модель не самая последняя, но мы можем сообщить об этих результатах только сейчас, поскольку модель больше не используется.
