【Datawhale AI 夏令营】CV图像竞赛——Deepfake攻防

【Datawhale AI 夏令营】CV图像竞赛——Deepfake攻防

从零入门CV图像竞赛(Deepfake攻防) 是 Datawhale 2024 年 AI 夏令营第二期 的学习活动（“CV图像”方向），基于蚂蚁集团举办的“外滩大会-全球Deepfake攻防挑战赛”开展的实践学习

​ 这几天参加了Datawhale AI 夏令营的CV图像竞赛，跟随DataWhale的学习指南，跑通Baseline，在Kaggle平台完成整个Deepfake攻防挑战赛。下面来介绍本次活动的内容及收获。

1 Deepfake攻防任务介绍

​ 随着人工智能技术的迅猛发展，深度伪造技术（Deepfake）正成为数字世界中的一把双刃剑。Deepfake技术可以通过人工智能算法生成高度逼真的图像、视频和音频内容，这些内容看起来与真实的毫无二致。

1.1 赛题任务

​ Deepfake是一种使用人工智能技术生成的伪造媒体，特别是视频和音频，它们看起来或听起来非常真实，但实际上是由计算机生成的。这种技术通常涉及到深度学习算法，特别是生成对抗网络（GANs），它们能够学习真实数据的特征，并生成新的、逼真的数据。

深度伪造技术通常可以分为四个主流研究方向：

• 面部交换专注于在两个人的图像之间执行身份交换；
• 面部重演强调转移源运动和姿态；
• 说话面部生成专注于在角色生成中实现口型与文本内容的自然匹配；
• 面部属性编辑旨在修改目标图像的特定面部属性；

​ 本次Deepfake任务目标即为训练模型，判断一张人脸图像是否为Deepfake图像，并输出其为Deepfake图像的概率评分。

Deepfake图片示例

1.2 赛题数据集

1. 第一阶段在第一阶段，主办方将发布训练集和验证集。参赛者将使用训练集 (train_label.txt) 来训练模型，而验证集 (val_label.txt) 仅用于模型调优。文件的每一行包含两个部分，分别是图片文件名和标签值（label=1 表示Deepfake图像，label=0 表示真实人脸图像）。例如：train_label.txtimg_name,target3381ccbc4df9e7778b720d53a2987014.jpg,163fee8a89581307c0b4fd05a48e0ff79.jpg,07eb4553a58ab5a05ba59b40725c903fd.jpg,0…val_label.txtimg_name,targetcd0e3907b3312f6046b98187fc25f9c7.jpg,1aa92be19d0adf91a641301cfcce71e8a.jpg,05413a0b706d33ed0208e2e4e2cacaa06.jpg,0…
2. 第二阶段在第一阶段结束后，主办方将发布测试集。在第二阶段，参赛者需要在系统中提交测试集的预测评分文件 (prediction.txt)，主办方将在线反馈测试评分结果。文件的每一行包含两个部分，分别是图片文件名和模型预测的Deepfake评分（即样本属于Deepfake图像的概率值）。例如：prediction.txtimg_name,y_predcd0e3907b3312f6046b98187fc25f9c7.jpg,1aa92be19d0adf91a641301cfcce71e8a.jpg,0.55413a0b706d33ed0208e2e4e2cacaa06.jpg,0.5…
3. 第三阶段在第二阶段结束后，前30名队伍将晋级到第三阶段。在这一阶段，参赛者需要提交代码docker和技术报告。Docker要求包括原始训练代码和测试API（函数输入为图像路径，输出为模型预测的Deepfake评分）。主办方将检查并重新运行算法代码，以重现训练过程和测试结果。

1.3 评价指标

​ 比赛的性能评估主要使用ROC曲线下的AUC（Area under the ROC Curve）作为指标。AUC的取值范围通常在0.5到1之间。若AUC指标不能区分排名，则会使用TPR@FPR=1E-3作为辅助参考。

1. 真阳性率 (TPR)： T P R = T P / ( T P + F N ) TPR = TP / (TP + FN) TPR=TP/(TP+FN)
2. 假阳性率 (FPR)： F P R = F P / ( F P + T N ) FPR = FP / (FP + TN) FPR=FP/(FP+TN) 其中：- TP：攻击样本被正确识别为攻击；- TN：真实样本被正确识别为真实；- FP：真实样本被错误识别为攻击；- FN：攻击样本被错误识别为真实。

2 Baseline实现

​ 本次项目在Kaggle平台进行，DataWhale为学习者提供了跑通整个项目的 baseline 代码，并给出了详细的学习指南。下面结合学习指南内容，介绍基础Baseline代码及训练步骤。

2.1 代码介绍

​ Baseline代码，采用了

timm

库来进行图像模型的训练和推理。

1. 指标计算与显示- AverageMeter 类AverageMeter类用于计算和存储指标的平均值和当前值。它通常用于跟踪训练过程中每个epoch或batch的损失值、精度等。classAverageMeter(object):"""计算和存储指标的平均值和当前值"""def__init__(self, name, fmt=':f'): self.name = name self.fmt = fmt self.reset()# 重置所有值defreset(self): self.val =0 self.avg =0 self.sum=0 self.count =0# 更新当前值defupdate(self, val, n=1): self.val = val self.sum+= val * n self.count += n self.avg = self.sum/ self.count # 返回格式化字符串，显示当前值和平均值def__str__(self): fmtstr ='{name} {val'+ self.fmt +'} ({avg'+ self.fmt +'})'return fmtstr.format(**self.__dict__)- ProgressMeter 类ProgressMeter类用于显示训练过程中各个batch的进度和指标。它通常与AverageMeter类一起使用，方便地显示和跟踪多个指标。classProgressMeter(object):def__init__(self, num_batches,*meters): self.batch_fmtstr = self._get_batch_fmtstr(num_batches) self.meters = meters self.prefix =""# 打印当前batch的进度和所有指标的状态defpr2int(self, batch): entries =[self.prefix + self.batch_fmtstr.format(batch)] entries +=[str(meter)for meter in self.meters]print('\t'.join(entries))# 根据总batch数生成格式字符串def_get_batch_fmtstr(self, num_batches): num_digits =len(str(num_batches //1)) fmt ='{:'+str(num_digits)+'d}'return'['+ fmt +'/'+ fmt.format(num_batches)+']'
2. 验证、预测和训练神经网络模型- validate 函数validate函数用于在验证集上评估模型性能。defvalidate(val_loader, model, criterion):# 使用AverageMeter类创建计量器，用于跟踪时间、损失和准确度 batch_time = AverageMeter('Time',':6.3f') losses = AverageMeter('Loss',':.4e') top1 = AverageMeter('Acc@1',':6.2f') progress = ProgressMeter(len(val_loader), batch_time, losses, top1)# 切换到评估模式 model.eval()with torch.no_grad(): end = time.time()# 遍历验证集中的每个batch，计算输出和损失，并更新计量器for i,(input, target)in tqdm_notebook(enumerate(val_loader), total=len(val_loader)):input=input.cuda() target = target.cuda()# 计算输出与loss output = model(input) loss = criterion(output, target)# 计算accuracy并更新loss acc =(output.argmax(1).view(-1)== target).float().mean()*100 losses.update(loss.item(),input.size(0)) top1.update(acc,input.size(0))# 计算运行时间 batch_time.update(time.time()- end) end = time.time()print(' * Acc@1 {top1.avg:.3f}'.format(top1=top1))return top1- predict 函数predict函数用于在测试集上进行预测，支持Test-Time Augmentation (TTA)。defpredict(test_loader, model, tta=10):# 切换到评估模式 model.eval() test_pred_tta =Nonefor _ inrange(tta): test_pred =[]with torch.no_grad():for i,(input, target)in tqdm_notebook(enumerate(test_loader), total=len(test_loader)):input=input.cuda() target = target.cuda()# 计算输出 output = model(input) output = F.softmax(output, dim=1) output = output.data.cpu().numpy() test_pred.append(output) test_pred = np.vstack(test_pred)if test_pred_tta isNone: test_pred_tta = test_pred else: test_pred_tta += test_pred return test_pred_tta / tta- train 函数train函数用于在训练集上训练模型。deftrain(train_loader, model, criterion, optimizer, epoch):# 使用AverageMeter类创建计量器 batch_time = AverageMeter('Time',':6.3f') losses = AverageMeter('Loss',':.4e') top1 = AverageMeter('Acc@1',':6.2f') progress = ProgressMeter(len(train_loader), batch_time, losses, top1)# 切换到训练模式 model.train() end = time.time()for i,(input, target)inenumerate(train_loader):input=input.cuda(non_blocking=True) target = target.cuda(non_blocking=True)# 计算输出 output = model(input) loss = criterion(output, target)# 计算accuracy并更新loss losses.update(loss.item(),input.size(0)) acc =(output.argmax(1).view(-1)== target).float().mean()*100 top1.update(acc,input.size(0))# 计算梯度并更新模型参数 optimizer.zero_grad() loss.backward() optimizer.step()# 计算运行时间 batch_time.update(time.time()- end) end = time.time()if i %100==0: progress.pr2int(i)
3. 自定义数据集类用于加载图像数据及其对应的标签，并在获取数据时进行必要的转换。classFFDIDataset(Dataset):def__init__(self, img_path, img_label, transform=None): self.img_path = img_path self.img_label = img_label if transform isnotNone: self.transform = transform else: self.transform =None# 根据索引获取图像及其对应的标签def__getitem__(self, index): img = Image.open(self.img_path[index]).convert('RGB')if self.transform isnotNone: img = self.transform(img)return img, torch.from_numpy(np.array(self.img_label[index]))# 返回数据集的大小def__len__(self):returnlen(self.img_path)
4. 使用预训练模型进行训练- 创建模型创建一个预训练的ResNet-18模型，用于二分类任务，并将其移动到GPU上。model = timm.create_model('resnet18', pretrained=True, num_classes=2)model = model.cuda()- 创建数据加载器# 定义训练集的数据加载器train_loader = torch.utils.data.DataLoader( FFDIDataset( train_label['path'].head(1000), train_label['target'].head(1000), transforms.Compose([ transforms.Resize((256,256)), transforms.RandomHorizontalFlip(), transforms.RandomVerticalFlip(), transforms.ToTensor(), transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])])), batch_size=40, shuffle=True, num_workers=4, pin_memory=True)# 定义验证集的数据加载器val_loader = torch.utils.data.DataLoader( FFDIDataset( val_label['path'].head(1000), val_label['target'].head(1000), transforms.Compose([ transforms.Resize((256,256)), transforms.ToTensor(), transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])])), batch_size=40, shuffle=False, num_workers=4, pin_memory=True)- 定义损失函数、优化器和学习率调度器# 定义损失函数，并将其移动到GPU上criterion = nn.CrossEntropyLoss().cuda()# 定义优化器optimizer = torch.optim.Adam(model.parameters(), lr=0.005)# 定义学习率调度器，每4个epoch后学习率乘以0.85scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=4, gamma=0.85)- 训练和验证模型best_acc =0.0for epoch inrange(2):# 进行2个epoch的训练 scheduler.step()# 更新学习率print('Epoch: ', epoch)# 训练模型 train(train_loader, model, criterion, optimizer, epoch)# 在验证集上验证模型 val_acc = validate(val_loader, model, criterion)# 如果当前验证准确率超过最佳准确率，保存模型参数if val_acc.avg.item()> best_acc: best_acc =round(val_acc.avg.item(),2) torch.save(model.state_dict(),f'./model_{best_acc}.pt')- 预测并保存结果# 定义测试集的数据加载器test_loader = torch.utils.data.DataLoader( FFDIDataset( val_label['path'], val_label['target'], transforms.Compose([ transforms.Resize((256,256)), transforms.ToTensor(), transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])])), batch_size=40, shuffle=False, num_workers=4, pin_memory=True)# 进行预测，并将预测结果存储在val_label的y_pred列中val_label['y_pred']= predict(test_loader, model,1)[:,1]# 将结果保存为CSV文件val_label[['img_name','y_pred']].to_csv('submit.csv', index=None)

2.2 Baseline训练

​ 本项目利用Kaggle平台进行训练，训练过程与提交结果在DataWhale学习手册 ‌‌‬‬‌‬‌⁠‍‌‍‌‌‬⁠‌‍⁠‍⁠‬从零入门CV图像竞赛(Deepfake攻防) 中详细给出。

1. 训练过程按照手册进行训练，跑通基础的baseline代码。
2. 训练结果在Kaggle平台提交训练结果，跑通Baseline得到0.571的得分。

3 代码优化

​ 通过学习九月大佬的代码 九月0.98\Deepfake-FFDI-Ways to Defeat 0.86 Beseline (kaggle.com)，来学习代码优化。

1. 更换预训练模型import timmmodel = timm.create_model('efficientnet_b1', pretrained=True, num_classes=2)model = model.cuda()batch_size_value =32epochs =2将Baseline的预训练模型从 resnet18 模型改为 efficientnet_b1 ，训练效果提升明显得到0.97的得分。