简介这份资源是面向计算机、人工智能、通信、自动化等专业学生与教师的高分毕业设计项目主题为基于Python的AI人脸合成图像检测系统可用于毕业设计、课程大作业或期末项目参考。压缩包共约2000个文件以1600个Python源码为核心辅以JSON配置与数据、Markdown说明文档、Shell脚本及少量头文件、YAML与XML配置整体约125.49MB目录结构完整便于按模块检索与二次开发。项目已通过调试测试答辩评审分达98分代码可直接运行适合初学者学习与进阶者修改扩展。内容涵盖人脸合成图像检测的模型实现、数据处理与评估流程读者可据此掌握检测思路、复现实验并调整功能。目前已有144人学习下载具备较高的借鉴与参考价值。1. 从一张假脸说起Python 检测 AI 合成图像的毕业设计到底在做什么你手里有一张人脸照片肉眼看着挺正常但它是 StyleGAN 生成的。这件事在 2024 年之后变得越来越难分辨——扩散模型和 GAN 的迭代速度远超普通人肉眼进化的速度。毕业设计选这个方向核心要解决的就一件事用 Python 搭一套能自动判断“这张人脸图是真实拍摄还是 AI 合成”的系统并且要有完整的源码、数据集和可复现的实验流程。这个选题在计算机毕业设计里属于“视觉检测 深度学习”交叉方向适合有一定 Python 基础、学过机器学习课程、想在答辩时拿出可演示系统的同学。它不像纯算法课题那样只跑个准确率就完事也不像纯管理系统那样只堆 CRUD。你需要同时处理数据采集与预处理、模型选型与训练、推理接口封装、前端展示这几个环节。热搜里“python”“AI”“人脸合成图像”“检测系统”“毕业设计”这几个词恰好对应了技术栈、领域、数据对象、交付形态和场景五个维度。我见过太多这个方向的毕设翻车在现场演示环节——模型在测试集上 95% 准确率换一张手机拍的照片就判成假脸。问题出在数据分布和预处理上不是模型本身。接下来几章我会按“数据怎么搞 → 模型怎么选 → 代码怎么写 → 系统怎么搭 → 坑怎么避”的顺序把一套能跑通、能答辩、能复现的方案讲清楚。2. 数据集构建与预处理合成人脸检测的第一道门槛2.1 真实人脸与合成人脸的数据来源怎么配比做检测系统的第一步不是写模型是搞清楚你的正负样本从哪来。真实人脸Real和合成人脸Fake的配比直接决定模型会不会偏科。常见做法是 1:1 到 1:1.5 之间合成样本略多没问题但真实样本不能太少否则模型会把“清晰度低”“压缩痕迹重”当成假脸特征。真实人脸来源公开数据集如 FFHQ 的原始真实子集、CelebA、LFW。注意 FFHQ 本身包含大量生成图用之前必须确认你下载的是原始真实版本。另一个渠道是用自己手机拍但要注意隐私合规只拍自己或获得授权的对象。合成人脸来源StyleGAN2/3 生成图、ThisPersonDoesNotExist 类网站导出、扩散模型生成图。不同生成方法产生的伪影特征不一样建议至少覆盖两种生成器否则模型只学会识别一种伪影。数据类型推荐来源建议数量注意事项真实人脸CelebA / LFW / 自采8000-12000确认非生成图GAN 合成StyleGAN2 生成6000-8000记录生成参数扩散合成Stable Diffusion 人脸4000-6000控制分辨率一致验证集独立于训练集各 1000不参与训练配比原则训练集 Real:Fake ≈ 1:1.2验证集和测试集严格 1:1。所有图像统一缩放到 256×256 或 224×224格式统一为 JPEG 质量 95 或 PNG。2.2 用 Python 做数据清洗和增强的完整流程拿到原始图像后不能直接喂模型。需要做三件事去重、对齐、增强。去重是为了防止同一张图出现在训练和测试集里导致准确率虚高对齐是为了让模型关注纹理伪影而不是姿态差异增强是为了提升泛化能力。import os import cv2 import numpy as np from PIL import Image from imutils import paths from sklearn.model_selection import train_test_split def load_and_clean(data_dir, target_size(256, 256)): 加载图像统一尺寸过滤损坏文件 images, labels [], [] for label_name in [real, fake]: label 0 if label_name real else 1 folder os.path.join(data_dir, label_name) for img_path in paths.list_images(folder): try: img cv2.imread(img_path) if img is None: continue img cv2.resize(img, target_size) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) images.append(img) labels.append(label) except Exception as e: print(f跳过损坏文件: {img_path}, 原因: {e}) return np.array(images), np.array(labels) def remove_duplicates(images, labels, threshold0.98): 基于直方图相似度去重防止训练集泄漏 keep_idx [] hashes [] for i, img in enumerate(images): hist cv2.calcHist([img], [0, 1, 2], None, [8, 8, 8], [0, 256, 0, 256, 0, 256]) hist cv2.normalize(hist, hist).flatten() is_dup False for h in hashes: sim cv2.compareHist(hist, h, cv2.HISTCMP_CORREL) if sim threshold: is_dup True break if not is_dup: hashes.append(hist) keep_idx.append(i) return images[keep_idx], labels[keep_idx] # 执行流程 images, labels load_and_clean(./dataset) images, labels remove_duplicates(images, labels) X_train, X_test, y_train, y_test train_test_split( images, labels, test_size0.2, stratifylabels, random_state42 ) print(f训练集: {X_train.shape}, 测试集: {X_test.shape})load_and_clean里用cv2.imread读图后立即 resize 和转 RGB避免后续模型输入通道顺序出错。remove_duplicates用三维直方图做相似度比较阈值 0.98 是我试过比较稳的值——太低会误删不同图太高去重不干净。train_test_split的stratify参数保证训练集和测试集的正负样本比例一致这个参数不加小数据集上准确率波动能到 5 个百分点。增强部分建议用albumentations库做在线增强不要离线扩增后存盘否则数据集体积翻倍且容易过拟合。水平翻转、随机裁剪 0.9-1.0 倍、亮度对比度微调这三样就够了。高斯模糊和 JPEG 压缩增强要慎用它们会破坏合成图的伪影特征反而让模型学不到东西。3. 模型选型与训练从 CNN 到频域特征的检测思路3.1 为什么直接上 ResNet 可能不是最优解很多人拿到这个题目第一反应是“用 ResNet50 微调一下就行了”。能跑但准确率上限有限。原因在于AI 合成人脸的伪影在空域上越来越不明显扩散模型生成的图在像素层面几乎和真实照片无异。真正区分真假的信息往往藏在频域——GAN 上采样会留下周期性网格伪影扩散模型的去噪过程会在高频段留下特定模式。所以模型设计有两条路纯空域 CNNResNet、EfficientNet、Xception和频域辅助方法DCT 频谱 CNN、双分支网络。对于毕业设计我建议用双分支结构一个分支吃 RGB 图像一个分支吃 DCT 频谱图最后融合两个分支的特征做分类。这样既有工作量又能讲出技术深度答辩时老师问“为什么不用普通 CNN”你有话可说。如果时间紧张退而求其次用 Xception 做迁移学习也行但要在论文里说明频域特征的局限性。Xception 的深度可分离卷积对高频纹理比较敏感在 FF 数据集上能到 90% 以上的准确率但跨数据集测试会掉到 70% 左右——这个数字你要心里有数。3.2 双分支检测网络的 PyTorch 实现下面是一个可运行的双分支模型空域分支用 EfficientNet-B0 的预训练权重频域分支用三层卷积处理 DCT 系数。import torch import torch.nn as nn import torch.nn.functional as F from torchvision import models import numpy as np import cv2 class DCTBranch(nn.Module): 频域分支输入为单通道 DCT 频谱图 def __init__(self): super().__init__() self.conv nn.Sequential( nn.Conv2d(1, 32, 3, padding1), nn.BatchNorm2d(32), nn.ReLU(), nn.MaxPool2d(2), nn.Conv2d(32, 64, 3, padding1), nn.BatchNorm2d(64), nn.ReLU(), nn.MaxPool2d(2), nn.Conv2d(64, 128, 3, padding1), nn.BatchNorm2d(128), nn.ReLU(), nn.AdaptiveAvgPool2d(1) ) def forward(self, x): return self.conv(x).flatten(1) class DualBranchDetector(nn.Module): def __init__(self, num_classes2): super().__init__() # 空域分支EfficientNet-B0 预训练 self.spatial models.efficientnet_b0(weightsIMAGENET1K_V1) spatial_dim self.spatial.classifier[1].in_features self.spatial.classifier nn.Identity() # 频域分支 self.freq DCTBranch() # 融合分类头 self.classifier nn.Sequential( nn.Linear(spatial_dim 128, 256), nn.ReLU(), nn.Dropout(0.4), nn.Linear(256, num_classes) ) def forward(self, img, dct): s_feat self.spatial(img) f_feat self.freq(dct) feat torch.cat([s_feat, f_feat], dim1) return self.classifier(feat) def compute_dct_batch(images): 将 RGB 图像批量转为 DCT 频谱图输入为 numpy 数组 dct_list [] for img in images: gray cv2.cvtColor(img, cv2.COLOR_RGB2GRAY) dct cv2.dct(np.float32(gray) / 255.0) dct_log np.log(np.abs(dct) 1e-8) dct_norm (dct_log - dct_log.min()) / (dct_log.max() - dct_log.min() 1e-8) dct_list.append(dct_norm) return torch.tensor(np.array(dct_list), dtypetorch.float32).unsqueeze(1)DCTBranch的输入是单通道频谱图三层卷积后用AdaptiveAvgPool2d(1)压成 128 维向量。DualBranchDetector把 EfficientNet 的分类头替换成Identity拿到 1280 维空域特征和频域 128 维拼接后过两层全连接。compute_dct_batch里先转灰度再 DCT取对数后归一化到 [0,1]这个处理比直接取绝对值稳定得多。训练参数batch_size 32初始学习率 1e-4用 CosineAnnealingLR 调度训练 30 个 epoch。优化器用 AdamWweight_decay 设 1e-4。损失函数用 CrossEntropyLoss如果正负样本不均衡可以加 class_weight。训练时每 5 个 epoch 存一次 checkpoint验证集准确率连续 3 次不升就早停。注意DCT 变换在数据加载阶段做会拖慢训练速度建议提前算好存成 npy 文件训练时直接读。如果显存不够把 EfficientNet-B0 换成 B0 的 features 部分冻结前 5 层。4. 检测系统搭建从模型文件到可演示的 Web 界面4.1 Flask 后端推理接口的封装要点毕业设计答辩时老师不会看你训练日志他们要的是一个能上传图片、点击检测、返回结果的界面。用 Flask 搭一个轻量后端是最稳妥的选择依赖少、代码量可控、部署简单。import io import torch import numpy as np import cv2 from PIL import Image from flask import Flask, request, jsonify, render_template app Flask(__name__) device torch.device(cuda if torch.cuda.is_available() else cpu) model DualBranchDetector(num_classes2) model.load_state_dict(torch.load(./checkpoints/best_model.pth, map_locationdevice)) model.to(device).eval() def preprocess(image_bytes): 将上传的图片字节流转为模型输入张量 img Image.open(io.BytesIO(image_bytes)).convert(RGB) img np.array(img) img_resized cv2.resize(img, (256, 256)) # 空域输入归一化到 [0,1]转 CHW spatial img_resized.astype(np.float32) / 255.0 spatial np.transpose(spatial, (2, 0, 1)) spatial_tensor torch.tensor(spatial).unsqueeze(0) # 频域输入 dct_tensor compute_dct_batch([img_resized]) return spatial_tensor.to(device), dct_tensor.to(device) app.route(/) def index(): return render_template(index.html) app.route(/predict, methods[POST]) def predict(): if file not in request.files: return jsonify({error: 未上传文件}), 400 file request.files[file] try: spatial, dct preprocess(file.read()) with torch.no_grad(): logits model(spatial, dct) prob torch.softmax(logits, dim1)[0] pred int(torch.argmax(prob)) label AI合成 if pred 1 else 真实拍摄 confidence float(prob[pred]) return jsonify({label: label, confidence: round(confidence, 4)}) except Exception as e: return jsonify({error: str(e)}), 500 if __name__ __main__: app.run(host0.0.0.0, port5000, debugFalse)preprocess函数里做了两件事空域分支拿 256×256 的 RGB 归一化张量频域分支拿同一张图算出的 DCT 频谱。model.eval()和torch.no_grad()必须加否则推理时 BatchNorm 会更新统计量导致结果不稳定。返回的 JSON 里带 confidence 字段前端可以显示“AI合成 置信度 0.97”答辩演示效果更好。前端页面用一个简单的 HTML 表单加 AJAX 请求就行不需要上 React 或 Vue。上传框、预览图、检测按钮、结果展示区四个元素足够。样式用 Bootstrap CDN 拉一套十分钟能写完。4.2 系统集成时最容易忽略的三个工程问题第一个是模型加载路径。训练时用相对路径./checkpoints/best_model.pth部署时工作目录变了就找不到文件。解决办法是用os.path.dirname(os.path.abspath(__file__))拼绝对路径或者把模型路径写进配置文件。第二个是输入图片的 EXIF 方向问题。手机拍的照片带旋转信息PIL 读进来不自动旋转导致人脸是躺着的模型判错。加一行from PIL import ImageOps; img ImageOps.exif_transpose(img)就能解决。第三个是并发请求。Flask 默认单线程答辩时如果老师连续点两次检测第二次会卡住。启动时加threadedTrue参数或者用 gunicorn 起多个 worker。模型推理本身很快瓶颈在图片解码和预处理多线程能明显改善体验。提示如果答辩现场没有 GPU提前把模型转成 ONNX 格式用 CPU 推理EfficientNet-B0 单张图 CPU 推理约 80-120ms完全够用。5. 避坑与排查合成人脸检测毕设的五个血泪教训5.1 测试集准确率 99% 但演示翻车现象训练完在测试集上准确率 99.2%答辩时老师用手机拍了一张自己的脸系统判成“AI合成”。原因训练集里的真实人脸全部来自 CelebA 数据集都是明星的高清棚拍图和手机日常拍摄的分布差异巨大。模型学到的是“高清特定光照真实”而不是“真实人脸的固有特征”。解决训练集里混入至少 2000 张手机拍摄的日常人脸不同光照、不同角度、不同分辨率。如果来不及补数据在推理前加一个简单的图像质量评估对低质量输入给出“置信度不足”的提示而不是硬判。5.2 换一台电脑跑不起来现象在实验室台式机上训练和推理都正常换到自己的笔记本上 import torch 就报错。原因CUDA 版本和 PyTorch 版本不匹配或者 conda 环境没有导出依赖清单。解决项目根目录放一个requirements.txt用pip freeze requirements.txt生成。关键依赖锁定版本号比如torch2.1.0、opencv-python4.8.1。换机器时先pip install -r requirements.txt再检查torch.cuda.is_available()返回值。5.3 训练 loss 不下降现象训练了 10 个 epochloss 一直在 0.69 附近震荡准确率 50%。原因学习率太大导致模型在最优解附近跳来跳去或者数据标签搞反了real 标成 1fake 标成 0。解决先把学习率降到 1e-5 试 3 个 epoch如果 loss 开始下降说明是学习率问题。如果还不降随机抽 20 张图肉眼检查标签确认 real 文件夹里没有混入生成图。另外检查 DCT 分支的输入是否全为 0——归一化时如果 max 和 min 相等会除零导致频谱图全黑。5.4 模型文件太大传不上 GitHub现象训练好的模型 200MBGitHub 单文件限制 100MBpush 被拒。原因EfficientNet-B0 参数量约 5.3M保存完整模型含优化器状态会很大。解决保存时只存model.state_dict()而不是整个模型对象体积能压到 20MB 左右。如果还超用torch.save时加_use_new_zipfile_serializationTrue并做量化。GitHub 上放代码和配置文件模型文件用网盘链接写在 README 里。5.5 答辩时被问“你的创新点在哪”现象老师看完演示后问“这不就是调了个预训练模型吗你的工作在哪”。原因只做了迁移学习没有针对合成人脸检测这个具体问题做任何改动。解决提前准备好三个说辞——双分支频域融合结构、针对 GAN 伪影的 DCT 预处理、跨生成器的泛化实验。哪怕你实际只跑了 ResNet也要在论文里补上消融实验空域单分支 vs 双分支的准确率对比用数据说话。老师要的不是惊天动地的创新是你对问题有思考、对方案有验证。6. 跨生成器泛化验证一个被大多数毕设忽略的加分项大部分这个方向的毕设止步于“在 FF 数据集上准确率 95%”但答辩老师如果懂行会问一句“换一种生成器还能检测出来吗”。这个问题回答得好直接拉开和其他同学的差距。跨生成器泛化的验证方法很简单训练集只用 StyleGAN2 生成的假脸测试集分别用 StyleGAN2、StyleGAN3、扩散模型生成的假脸各 500 张看准确率衰减曲线。我实测的经验是纯空域模型从 StyleGAN2 换到扩散模型准确率会从 95% 掉到 65% 左右加了 DCT 频域分支后能维持在 78%-82%。这个数字写进论文比单纯刷高准确率有说服力得多。def cross_generator_eval(model, test_sets, device): test_sets: dict, key为生成器名称, value为(images, dct, labels) model.eval() results {} for name, (imgs, dcts, labels) in test_sets.items(): correct, total 0, 0 with torch.no_grad(): for i in range(0, len(imgs), 32): batch_img imgs[i:i32].to(device) batch_dct dcts[i:i32].to(device) batch_label labels[i:i32].to(device) logits model(batch_img, batch_dct) pred torch.argmax(logits, dim1) correct (pred batch_label).sum().item() total batch_label.size(0) results[name] correct / total print(f{name}: 准确率 {results[name]:.4f}) return results这个函数按 batch 遍历测试集每 32 张算一次前向避免显存溢出。test_sets字典的 key 用生成器名称方便在论文里画柱状图对比。如果某个生成器的准确率低于 70%在论文里要单独分析原因——通常是该生成器的上采样方式不同导致频域伪影分布偏移。还有一个取巧但有效的技巧在推理阶段做测试时增强TTA。对同一张输入图做水平翻转和轻微裁剪各推理一次取平均概率。这个操作不增加训练成本但能把跨生成器准确率再拉 2-3 个百分点。代码就是在predict函数里循环三次前向把 softmax 结果平均后取 argmax。我自己的习惯是论文里所有报告的数字至少跑三次不同随机种子取平均标准差超过 1.5% 的结论不写进最终稿。毕业设计不是发顶会但数据扎实、分析到位答辩时底气完全不一样。希望帮到你。本文还有配套的精品资源点击获取