Dedecti̇ng computer generated faces with deep learning networks
Derin öğrenme ağları ile bilgisayar tarafından oluşturulan yüzlerin tespiti
- Tez No: 1012323
- Danışmanlar: PROF. DR. İSMAİL AVCIBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Derin Öğrenme (Deep Learning), Generative Adversarial Networks (GAN), Convolutional Neural Networks (CNN) ve Sahte Yüz Tespiti, Deep Learning, Generative Adversarial Networks (GANs), Convolutional Neural Networks (CNN) and Detection of Synthetic
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Ostim Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda yapay zeka ve derin öğrenme teknolojilerindeki hızlı gelişmeler, gerçek insan yüzlerine son derece benzeyen sahte yüzlerin üretilebilmesini mümkün kılmıştır. Özellikle Generative Adversarial Networks (GANs) gibi üretici yapay sinir ağları, insan gözüyle ayırt edilmesi neredeyse imkânsız olan bilgisayar tarafından oluşturulmuş (deepfake) yüz görselleri üretmektedir. Bu durum, dijital güvenlik, sosyal medya, medya manipülasyonu ve kimlik doğrulama gibi pek çok alanda önemli etik ve güvenlik sorunlarını da beraberinde getirmiştir. Bu çalışmanın amacı, bilgisayar tarafından oluşturulan sahte yüz görsellerini tespit edebilen etkili ve güvenilir bir derin öğrenme modeli geliştirmektir. Çalışmada, gerçek ve yapay yüzlerden oluşan veri setleri kullanılarak Convolutional Neural Networks (CNN), EfficientNet ve Vision Transformer (ViT) gibi farklı derin öğrenme mimarileri eğitilmiş ve bu modellerin başarımları karşılaştırılmıştır. Model performansları doğruluk, hassasiyet, özgüllük ve F1 skoru gibi metrikler aracılığıyla değerlendirilmiştir. Elde edilen sonuçlar, derin öğrenme tabanlı modellerin bilgisayar tarafından oluşturulan yüzleri yüksek doğrulukla ayırt edebildiğini göstermektedir. Bu çalışma, dijital görsel içeriğin doğrulanması ve sahte içeriklerin tespiti konularında önemli katkılar sunmakta ve gelecekteki araştırmalar için sağlam bir temel oluşturmaktadır.
Özet (Çeviri)
In recent years, rapid advancements in artificial intelligence and deep learning technologies have made it possible to generate fake faces that closely resemble real human faces. Particularly, generative artificial neural networks such as Generative Adversarial Networks (GANs) are capable of producing computer-generated (deepfake) facial images that are nearly indistinguishable from real ones to the human eye. This development has brought significant ethical and security concerns in various fields, including digital security, social media, media manipulation, and identity verification. The aim of this study is to develop an effective and reliable deep learning model capable of detecting computer-generated fake facial images. In this study, datasets consisting of both real and synthetic faces were used to train different deep learning architectures, including Convolutional Neural Networks (CNN), EfficientNet, and Vision Transformer (ViT). The performance of the models was evaluated using metrics such as accuracy, precision, specificity, and F1 score. The results demonstrate that deep learning-based models can distinguish computer-generated faces with high accuracy. This study makes significant contributions to the verification of digital visual content and the detection of synthetic media, providing a strong foundation for future research in the field.
Benzer Tezler
- Generalizable face forgery detection with metric learning and domain-adversarial training
Metrik öğrenme ve alan-çekişmeli eğitim ile genelleştirilebilir yüz sahteciliği tespiti
MUSTAFA HAKAN KARA
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR GÜDÜKBAY
DR. ÖĞR. ÜYESİ AYŞEGÜL DÜNDAR BORAL
- Jamming attack detection in WiFi networks: Analysis of network performance measures and construction of sequential machine learning model
Wi-Fi ağlarında jamming saldırısı tespiti: Ağ performans ölçümlerinin analizi ve sıralı makine öğrenimi modeli oluşturma
YAVUZ SELİM BOSTANCI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜJDAT SOYTÜRK
- Improving time series forecasts through predictive error compensation and deep feature fusion
Tahmı̇nsel hata telafı̇sı̇ ve derı̇n öznitelik füzyonu yoluyla zaman serı̇sı̇ tahmı̇nlerı̇nı̇n gelı̇ştı̇rı̇lmesı̇
MUHAMMED ENES BAŞ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Sınıf videosu görüntülerinde arka plan çıkararak kopya teşebbüsü yakalama
Detecting cheating attempts in classroom videos by removing background
MUAMBER UZUNKAYA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Beykent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EDİZ ŞAYKOL
- Deepfake video analysis and detection
Deepfake video analizi ve tespiti
FARMANUDDIN FARMAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇAĞRI ŞAHİN