Update model-card.md

model-card.md

@@ -1,113 +1,55 @@
 ---
-language:
-- ar
-- en
-library_name: custom
-tags:
-- computer-vision
-- image-classification
-- ai-detection
-- ai-generated-content
-- deepfake-detection
-datasets:
-- custom
+language: en
 license: mit
+datasets:
+  - custom
+tags:
+  - image-classification
+  - computer-vision
+  - ai-detection
+  - deep-learning
 ---
 
-# Enhanced AI Image Detector (كاشف الصور المنشأة بالذكاء الاصطناعي المحسن)
-
-هذا النموذج يكتشف ما إذا كانت الصورة حقيقية أم منشأة بواسطة الذكاء الاصطناعي باستخدام تقنيات متعددة لرؤية الحاسوب.
-
-This model detects whether an image is real or AI-generated using multiple computer vision techniques.
-
-## Model Description (وصف النموذج)
-
-يستخدم كاشف الصور المنشأة بالذكاء الاصطناعي المحسن مجموعة من تقنيات رؤية الكمبيوتر لتحليل جوانب مختلفة من الصور وتحديد ما إذا كانت صورًا فوتوغرافية أصلية أو تم إنشاؤها بواسطة أدوات الذكاء الاصطناعي مثل DALL-E أو Midjourney أو Stable Diffusion.
-
-The Enhanced AI Image Detector uses a combination of computer vision techniques to analyze various aspects of images and determine whether they are authentic photographs or generated by AI tools like DALL-E, Midjourney, or Stable Diffusion.
-
-### Key Features (الميزات الرئيسية)
-
-- **تحليل متعدد الجوانب**: يفحص أنماط الضوضاء والملمس واتساق الألوان والحواف وميزات الوجه
-- **لا يتطلب التعلم العميق**: يستخدم تقنيات رؤية الكمبيوتر التقليدية دون الحاجة إلى موارد وحدة معالجة الرسومات
-- **نتائج مفصلة**: يوفر تحليلًا شاملاً مع درجات لكل طريقة كشف
-- **كشف يدرك الوجوه**: تحليل خاص للصور التي تحتوي على وجوه، والتي غالبًا ما تكون حالات صعبة
-
-- **Multi-faceted Analysis**: Examines noise patterns, texture, color coherence, edges, and facial features
-- **No Deep Learning Required**: Uses traditional computer vision techniques without requiring GPU resources
-- **Detailed Results**: Provides comprehensive analysis with scores for each detection method
-- **Face-aware Detection**: Special analysis for images containing faces, which are often challenging cases
-
-## How It Works (كيف يعمل)
-
-يحلل النموذج العديد من خصائص الصورة التي تختلف عادة بين الصور الحقيقية والصور المنشأة بالذكاء الاصطناعي:
-
-The model analyzes several image characteristics that typically differ between real and AI-generated images:
-
-1. **تحليل أنماط الضوضاء**: 
-   - تحليل مستوى الخطأ (ELA)
-   - كشف الضوضاء باستخدام مرشح لابلاس
-   - تحليل المجال الترددي
-
-2. **تحليل الملمس**:
-   - ميزات مصفوفة التواجد المشترك للمستويات الرمادية (GLCM)
-   - تجانس الملمس والتباين
+# AI Image Detector
 
-3. **تحليل اتساق الألوان**:
-   - توزيع الألوان والانتروبيا
-   - الارتباطات بين القنوات
+This model can detect whether an image is authentic (real) or AI-generated. It has been trained on a dataset of real photographs and AI-generated images.
 
-4. **تحليل الحواف**:
-   - اتساق الحواف وأنماطها
-   - توزيع اتجاه التدرج
+## Model Details
 
-5. **تحليل الوجوه** (عند وجود وجوه):
-   - تناظر الوجه
-   - اتساق الملمس والتفاصيل
-   - نسب الوجه
+- **Model Type:** EfficientNetV2-S
+- **Task:** Binary Classification (Real vs. AI-Generated)
+- **Training Data:** Custom dataset of real and AI-generated images
+- **Input:** Images (224x224 pixels)
+- **Output:** Probability scores for real and AI-generated classes
 
-## Usage (الاستخدام)
+## Intended Use
 
-```python
-from ai_detector import EnhancedAIDetector
+This model is designed to help detect AI-generated content in images, which can be useful for:
 
-# تهيئة الكاشف
-detector = EnhancedAIDetector()
+- Identifying manipulated or synthetic media
+- Content moderation
+- Research on AI image generation detection
+- Educational purposes about AI-generated content
 
-# تحليل صورة
-result = detector.analyze_image("path/to/image.jpg")
+## Performance
 
-# التحقق من النتيجة
-if result["is_ai_generated"]:
-    print("هذه الصورة على الأرجح منشأة بالذكاء الاصطناعي")
-    print(f"درجة الثقة: {result['overall_score']:.2f}")
-else:
-    print("هذه الصورة على الأرجح حقيقية")
-    print(f"درجة الثقة: {1 - result['overall_score']:.2f}")
+The model achieves high accuracy in distinguishing between real photographs and AI-generated images. It performs best on images that haven't been heavily compressed or modified after creation.
 
-# عرض التحليل المفصل
-print(f"نتيجة تحليل الضوضاء: {result['noise_analysis']['score']:.2f}")
-print(f"نتيجة تحليل الملمس: {result['texture_analysis']['score']:.2f}")
-print(f"نتيجة تحليل الألوان: {result['color_analysis']['score']:.2f}")
-print(f"نتيجة تحليل الحواف: {result['edge_analysis']['score']:.2f}")
-if "face_analysis" in result:
-    print(f"نتيجة تحليل الوجه: {result['face_analysis']['score']:.2f}")
-```
+## Limitations
 
-## Limitations (القيود)
+- The model may struggle with highly unusual lighting conditions or abstract compositions
+- Very high-quality AI-generated images might occasionally be misclassified as real
+- The model may not generalize well to AI generators it was not trained on
+- Low-quality, heavily compressed, or resized images may lead to less accurate results
 
-- قد يواجه النموذج صعوبة مع الصور المنشأة بالذكاء الاصطناعي عالية الواقعية
-- قد يتم تصنيف بعض الصور الحقيقية ذات الخصائص غير العادية بشكل خاطئ
-- يعتمد الأداء على جودة الصورة ودقتها
-- يتطلب تحليل الوجه وجود وجوه مرئية بتفاصيل كافية
+## Ethical Considerations
 
-- The model may struggle with highly realistic AI-generated images
-- Some real images with unusual characteristics may be misclassified
-- Performance depends on image quality and resolution
-- Face analysis requires visible faces with sufficient detail
+This model should be used responsibly and ethically. It should not be used to:
 
-## Performance (الأداء)
+- Make harmful accusations without human review
+- Discriminate against content creators
+- Bypass appropriate content moderation processes
 
-تم اختبار النموذج على مجموعة متنوعة من الصور الحقيقية والمنشأة بالذكاء الاصطناعي، وحقق دقة إجمالية تزيد عن 85٪. يعمل النموذج بشكل أفضل مع الصور عالية الجودة وقد يواجه صعوبة مع الصور ذات الجودة المنخفضة أو المضغوطة بشدة.
+## Citation and Contact
 
-The model has been tested on a diverse set of real and AI-generated images, achieving an overall accuracy of over 85%. The model performs best with high-quality images and may struggle with low-quality or heavily compressed images.
+If you use this model in your research or application, please provide appropriate attribution.