1) Есть вот такая статья,
в ней идет применение graph attention network (GAT) для выявления
голосовой подделки. Здесь нужно обратить внимание на Fig 1. По факту
нужно сделать вот такой алгоритм, но не для голоса, а для лиц.

2) В самой этой схеме (Fig 1) есть Encoder. В качестве него можно взять ResNet18, но без последнего слоя - average polling + FC.

3) Далее надо взять саму GAT. Например, вот такую реализацию.

4) Далее, взять какую-нибудь базу данных лиц. Важно, чтобы размер изображений подходил под ResNet18, иначе надо будет делать resize.

5) Собрать все воедино. То есть, на входе подается лицо, далее идет ResNet18,
далее - GAT. Дальше надо смотреть по схеме, но если не ошибаюсь, дальше
идет некий вектор, потом FC и метки человека (подробнее могу описать в
сообщениях).

6) Обучить


Можете предложить свою цену.

GAT уже есть. Осталось приклеить это к ResNet
То есть, по сути остался только пункт 5