Evrişimli sinir ağlarında transfer öğrenmesi ile GANtarafından üretilen sahte görüntü tespiti
Detection of fake images generated by GAN using transfer learningin convolutional neural networks
- Tez No: 825211
- Danışmanlar: DR. ÖĞR. ÜYESİ KEMAL GÜNER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 59
Özet
Derin öğrenme yöntemlerinin son dönemlerdeki popüler ağlarından olan çekişmeli üretken ağ (Generative Adverserial Network, GAN), üretken bir derin öğrenme modeli olarak bilinir. Üretici (generator) ve ayırt edici (discriminator) olmak üzere iki kısımdan oluşmaktadır. Sentetik ya da yapay veri olarak bilinen GAN üretimi verilerin, literatürde oldukça başarılı örnekleri yer almaktadır. Birbirinden oldukça farklı sahalarda kullanıldığı bilinen sentetik yüz verilerinin, insan algısı ile tespit edilebilmesi pek mümkün olmamaktadır. Bu tez çalışması kapsamında literatürde yaygın olarak kullanılan Evrişimli Sinir Ağı (CNN) modellerinin öznitelik çıkarıcı olarak kullanıldığı, sentetik ve gerçek yüz görüntülerini ayırt eden bir ağ için Laplace filtresi ve benzemezlik tabanlı yeni bir evrişim katmanı içeren bir model önerilmiştir. Bu yöntemde, Densenet121 modeli öznitelik çıkarıcı olarak kullanılıp, öznitelikler sınıflandırmak amacıyla makine öğrenmesi modellerine verilmiştir. Tez çalışması kapsamında oluşturulan yeni veri kümesi farklı makine öğrenmesi modelleri üzerinde denenmiş olup, en yüksek başarı LR ve KNN modellerinden %99 olarak elde edilmiştir. Elde edilen sonuçlar, önerilen yöntemin sahte yüzlerin tespitinde kullanılabileceğini göstermektedir.
Özet (Çeviri)
Generative Adverserial Network (GAN), which is one of the popular networks of deep learning methods, is known as a productive deep learning model. It consists of two parts, the generator and the discriminator. There are very successful examples of GAN production data, known as synthetic or artificial data, in the literature. It is not possible to detect synthetic face data, which are known to be used in quite different fields, by human perception. Within the scope of this thesis, a model including a Laplace filter and a new dissimilarity-based convolution layer is proposed for a network that distinguishes synthetic and real face images, in which Convolutional Neural Network (CNN) models, which are widely used in the literature, are used as feature extractors. In this method, Densenet121 model is used as feature extractor and features are given to machine learning models in order to classify them. The new dataset created within the scope of the thesis study was tested on different machine learning models, and the highest success was obtained from LR and KNN models at 99%. The obtained results show that the proposed method can be used to detect fake faces.
Benzer Tezler
- Alzheimer tanısı için derin öğrenme tabanlı analiz
Deep learning based analysis for Alzheimer's diagnosis
RAVZA BEGÜM ATAK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED ALİ AYDIN
DR. ÖĞR. ÜYESİ MUHAMMED ERDEM İSENKUL
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Character-level dilated deep neural networks for web attack detection
Ağ yöresi saldırılarının belirlenmesi için karakter düzeyinde seyreltilmiş derin sinir ağları
NAZANIN MOARREF
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET TAHİR SANDIKKAYA
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- A comparison of deep neural network architectures for COVID-19 detection using CT chest images
Göğüs BT görüntüleriyle COVID-19 tespitinde derin sinir ağı mimarilerinin karşılaştırılması
MEHMET TUNAHAN SARIOĞLU
Yüksek Lisans
İngilizce
2022
Bilim ve TeknolojiOrta Doğu Teknik ÜniversitesiSağlık Bilişimi Ana Bilim Dalı
PROF. DR. ÜNAL ERKAN MUMCUOĞLU