Deepfake-vs-Real-1440px-Max


# **Deepfake-vs-Real-1440px-Max**

**Deepfake-vs-Real-1440px-Max** is a curated dataset of **28,000 portrait images** designed for binary **image classification** tasks distinguishing between **deepfake portraits** and **real portraits**. This dataset supports training and evaluation of models in deepfake detection, media authenticity analysis, and facial integrity recognition.

## Dataset Summary

- **Task**: Binary Image Classification
- **Modalities**: Image
- **Formats**: Parquet
- **Split**: Train (28,000 images)
- **Labels**: `Deepfake Portrait`, `Real Portrait`
- **Language**: English
- **License**: Apache 2.0
- **Size**: ~ (25.7 Gigabyte)

## Features

| Column | Type | Description |
|--------|--------|-------------------------------------|
| image | Image | Input portrait image (max 1440px width/height) |
| label | Class | Binary label: `Deepfake Portrait` or `Real Portrait` |

## Label Information

| Label ID | Class Name | Number of Images |
|----------|--------------------|------------------|
| 0 | Deepfake Portrait | 14,000 |
| 1 | Real Portrait | 14,000 |

## Example Entries

| Image | Label |
|-------------------------------|------------------|
|  | Deepfake Portrait |
|  | Real Portrait |

## Usage

You can load the dataset using the `datasets` library from Hugging Face:

```python
from datasets import load_dataset

dataset = load_dataset("prithivMLmods/Deepfake-vs-Real-1440px-Max")
```

To visualize an example:

```python
import matplotlib.pyplot as plt

example = dataset["train"][0]
plt.imshow(example["image"])
plt.title(example["label"])
plt.axis("off")
plt.show()
```

## Applications

- Deepfake detection research
- Media verification systems
- Security and authentication tools
- Anti-disinformation initiatives
- Training facial analysis models

## License

This dataset is made available under the [Apache 2.0 License](https://www.apache.org/licenses/LICENSE-2.0).

---

*Curated & Maintained by [@prithivMLmods](https://huggingface.co/prithivMLmods). For inquiries or contributions, please open an issue or submit a pull request.*


# **Deepfake-vs-Real-1440px-Max**

`Deepfake-vs-Real-1440px-Max` 是一个精心整理的数据集，包含28000张肖像图像，专为区分深度伪造（deepfake）肖像与真实肖像的二分类图像分类任务设计。该数据集可用于训练和评估深度伪造检测、媒体真实性分析以及面部完整性识别相关模型。

## 数据集概览
- **任务**：二分类图像分类
- **模态**：图像
- **格式**：Parquet
- **划分**：训练集（共28000张图像）
- **标签**：`深度伪造肖像`、`真实肖像`
- **语言**：英语
- **许可协议**：Apache 2.0
- **大小**：约25.7吉字节

## 数据集特征
| 列名 | 数据类型 | 描述 |
|------|----------|------|
| image | 图像 | 输入肖像图像（最大宽高均为1440像素） |
| label | 分类标签 | 二分类标签：`深度伪造肖像` 或 `真实肖像` |

## 标签信息
| 标签ID | 类别名称 | 图像数量 |
|--------|------------------|----------|
| 0 | 深度伪造肖像 | 14000 |
| 1 | 真实肖像 | 14000 |

## 示例条目
| 图像示例 | 标签 |
|-------------------------------|------------------|
|  | 深度伪造肖像 |
|  | 真实肖像 |

## 使用方法
你可以通过Hugging Face的`datasets`库加载该数据集：
python
from datasets import load_dataset

dataset = load_dataset("prithivMLmods/Deepfake-vs-Real-1440px-Max")

若需可视化示例样本，可使用如下代码：
python
import matplotlib.pyplot as plt

example = dataset["train"][0]
plt.imshow(example["image"])
plt.title(example["label"])
plt.axis("off")
plt.show()

## 应用场景
- 深度伪造检测研究
- 媒体核验系统
- 安全与身份验证工具
- 反虚假信息行动
- 面部分析模型训练

## 许可协议
本数据集采用 [Apache 2.0许可协议](https://www.apache.org/licenses/LICENSE-2.0) 发布。

---

*本数据集由 [@prithivMLmods](https://huggingface.co/prithivMLmods) 整理并维护。如有咨询或贡献需求，请提交Issue或拉取请求。*