Çekişmeli üretici ağlar ile üretilen sahte fotoğrafların tespiti
Detection of GANs)-generated images
- Tez No: 942601
- Danışmanlar: PROF. DR. HALİT ERAY ÇELİK
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Van Yüzüncü Yıl Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Derin öğrenme alanındaki hızlı gelişmeler, Çekişmeli Üretici Ağlar gibi derin öğrenme algoritmalarının sahte içerik üretiminde etkinliğini artırmıştır. Bu durum sahte ve gerçek yüz fotoğraflarını ayırt etme zorluğunu beraberinde getirmektedir. Bu çalışma, StyleGAN ÇÜA modelleri tarafından üretilen sahte yüz fotoğraflarının tespiti için derin öğrenme tabanlı modellerin geliştirilmesine odaklanmıştır. Bu amaçla StyleGAN1, StyleGAN2 ve StyleGAN3 tarafından üretilen sahte yüz fotoğrafları kullanılarak, Göz, Burun ve Ağız bölgelerine odaklanan toplam dokuz farklı evrişimli sinir ağı (CNN) modeli geliştirilmiştir. Bu modeller, sahte fotoğrafları tespit etmede önemli bir başarı göstermiş ve ÇÜA algoritmalarının farklı versiyonları tarafından üretilen yüz özelliklerinin tespitindeki performans değişkenliklerini ortaya koymuştur. Bu çalışmadan elde edilen bulgular derin öğrenme alanındaki ilerlemelerin sahte içerik tespiti ve önleme gibi zorlu problemlerin çözümünde nasıl kritik rol oynayabileceğini göstermektedir. Ayrıca bu çalışma farklı ÇÜA algoritmalarının yüz özelliklerini nasıl işlediği üzerine derinlemesine analiz yapılmasının ve bu alanda yeni yaklaşımların geliştirilmesinin önemini vurgulamaktadır.
Özet (Çeviri)
Rapid advances in deep learning have increased the effectiveness of deep learning algorithms such as Generative Adversarial Networks (GANs) in fake content generation. This situation brings about the difficulty of distinguishing fake and real face photographs. This study focuses on the development of deep learning-based models for the detection of fake face photographs generated by StyleGAN models. For this purpose, a total of nine different Convolutional Neural Network (CNN) models focusing on Eye, Nose and Mouth regions were developed using fake face photographs generated by StyleGAN1, StyleGAN2 and StyleGAN3. These models showed significant success in detecting fake photographs and revealed the performance variability in the detection of facial features generated by different versions of StyleGAN models. The findings of this study show how advances in deep learning can play a critical role in solving challenging problems such as fake content detection and prevention. In addition, this study emphasizes the importance of conducting in-depth analysis on how different StyleGAN models process facial features and developing new approaches in this field.
Benzer Tezler
- Generative adversarial networks based level generation for angry birds
Çekişmeli üretici ağlar ile angry birds bölümlerinin üretilmesi
BURKAN YILMAZ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı
DOÇ. DR. SANEM SARIEL UZER
- Evrişimsel sinir ağlarını kullanarak sahte yüz görüntülerinin tespit edilmesi
Detection of fake face images using convolutional neural networks
EMRE ŞAFAK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NECAATTİN BARIŞÇI
- Training bidirectional generative adversarial networks with hints
Çift yönlü çekişmeli üretici ağların ipuçlarıyla eğitilmesi
URAS MUTLU
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET İBRAHİM ETHEM ALPAYDIN
- Wasserstein generative adversarial active learning for anomaly detection with gradient penalty
Gradyan cezalı Wasserstein üretici çekişmeli ağlar ile aktif öğrenme kullanılarak anomali tespiti
HASAN ALİ DURAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞEYDA ERTEKİN BOLELLİ
- Generative adversarial networks in computer vision applications
Bilgisayarli görü uygulamalarinda çekişmeli üretici ağlar
SEMİH ÖRNEK
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU