Derın öğrenme tabanlı sahte yüz tespiti: model geliştirme, eğitim optimizasyonu ve performans değerlendirmesi için kapsamlı bir yaklaşım
Deep learning-based fake face detection: a comprehensive approach for model development, training optimization, and performance evaluation
- Tez No: 982171
- Danışmanlar: DR. ÖĞR. ÜYESİ ASUMAN GÜNAY YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Deepfake, Derin öğrenme, Deepfake, Deep learning
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, giderek artan derin sahtecilik tehdidine karşı etkili bir tespit sistemi geliştirmek amacıyla yürütülmüştür. Üretken çekişmeli ağların ve evrişimli sinir ağlarının gerçekçi sahte yüz içeriği üretme yeteneği, siber güvenlik ve sosyal medya platformları için ciddi zorluklar oluşturmaktadır. Bu araştırmada, ConvNeXt mimarisi derin sahtecilik tespiti için optimize edilmiş, %61 daha az parametreye (29.1M'den 11.3M'e) sahip yenilikçi aşama konfigürasyonu ile modelin tespit kabiliyeti korunmuştur. Ağın ayırt edici bölgelere odaklanmasını sağlamak üzere Sıkıştır-ve-Uyar dikkat mekanizması kullanılmıştır. Farklı modellerin topluluk öğrenmesi ve Test Zamanı Veri Artırma tekniklerinin birleşimi, tespit doğruluğunda önemli iyileşmeler sağlamıştır. Gerçek görüntü veri seti FaceForensics++ ve CelebA veri setlerinden, manipüle edilmiş görüntüler ise FaceForensics++ sahte videolarından (Deepfakes, Face2Face, FaceSwap, NeuralTextures) elde edilmiştir. Performans değerlendirmesinde kesinlik, duyarlılık, F1-skoru ve AUC-ROC metrikleri kullanılmıştır. Deneysel sonuçlar, önerilen topluluk tabanlı yaklaşımların üstün performans sergilediğini göstermiştir. Bu çalışma, parametre-verimli model tasarımı ve topluluk optimizasyon stratejilerinde katkılar sunarak derin sahtecilik tehditlerine karşı etkili savunma mekanizmaları geliştirmede önemli bir adım teşkil etmektedir.
Özet (Çeviri)
This thesis study has been conducted with the aim of developing an effective detection system against the escalating threat of deepfakes. The capability of generative adversarial networks and convolutional neural networks to produce realistic fake facial content poses serious challenges for cybersecurity and social media platforms. In this research, the ConvNeXt architecture has been optimized for deepfake detection, and the model's detection capability has been preserved through an innovative stage configuration with 61% fewer parameters (from 29.1M to 11.3M). The Squeeze-and-Excitation attention mechanism has been employed to enable the network to focus on discriminative regions. The combination of ensemble learning methods and Test-Time Augmentation techniques has provided significant improvements in detection accuracy. The real image dataset consists of frames from FaceForensics++ and CelebA datasets, while manipulated images have been obtained from fake videos (Deepfakes, Face2Face, FaceSwap, NeuralTextures) in the FaceForensics++ dataset. Precision, recall, F1-score, and AUC-ROC metrics have been utilized for performance evaluation. Experimental results have demonstrated that the proposed ensemble-based approaches exhibit superior performance. This study constitutes a significant step in developing effective defense mechanisms against deepfake threats by offering contributions in parameter-efficient model design and ensemble optimization strategies.
Benzer Tezler
- Görüntü işleme tabanlı işlem analiz ve takip sistemi tasarımı
Design of an image processing based system for process analysis and tracking
FATİH ÖZÇELİK
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELÇUK COŞKUN
- Face manipulation detection
Yüz manipülasyonu tespiti
SEPEHR NOURMOHAMMADI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SHERVIN RAHIMZADEH ARASHLOO
- Dedecti̇ng computer generated faces with deep learning networks
Derin öğrenme ağları ile bilgisayar tarafından oluşturulan yüzlerin tespiti
AHMET DAĞ
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiOstim Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL AVCIBAŞ
- Öz denetimli öğrenme yaklaşımları ile derin sahte ses ve görüntü maniplasyonunun tespiti
Detection of deepfake audio and image manuplation with self-supervised learning approach
MERVE YILDIRIM
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN AYDIN
- Face presantation attack detection by deep learning
Derin öğrenme ile yüz sunum saldırı tespiti
MUHAMMED SELAMCIOĞLU
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolManisa Celal Bayar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMET GÖKHAN ERDEM