Evrişimli Sinir Ağlarında Transfer Öğrenmesi ile GAN tarafından Üretilen Sahte Görüntü Tespiti

Authors : Ece ECEMİŞ, Kemal GÜNER, Umut KURAN, Emre Can KURAN

Pages : 98-107

Doi:10.46387/bjesr.1257332

View : 29 | Download : 11

Publication Date : 2023-04-30

Article Type : Research Paper

Abstract :Çekişmeli Üretken Ağ insert ignore into journalissuearticles values(GAN);, üretken bir derin öğrenme modeli olarak bilinir. Üretici insert ignore into journalissuearticles values(generator); ve ayırt edici insert ignore into journalissuearticles values(discriminator); yapılarından oluşmaktadır. Sentetik veri olarak bilinen GAN modeli çıktılarının oldukça başarılı örnekleri bilinmektedir. Farklı amaçlar ile kullanılabilen sentetik verilerin, başarılı bir şekilde üretilmesi durumunda insan gözü ile tespit edilebilmesi oldukça güç bir problemdir. Bu çalışmada farklı ve popüler Evrişimli Sinir Ağı insert ignore into journalissuearticles values(CNN); modellerinin öznitelik çıkarıcı olarak kullanıldığı, sentetik ve gerçek görüntüleri ayırt eden bu problem için Laplace filtresi ve benzemezlik tabanlı yeni bir CNN katmanı önerilmiştir. GAN modelinin farklı modeller üzerindeki başarı sonuçları tespit edilmiştir. Böylece, gözle ayırt edilemeyen sentetik verilerin tespiti için CNN modellerinden yararlanmanın uygun bir alternatif olduğu anlaşılmıştır. En iyi başarı %98.75 doğruluk oranıyla DenseNet ile elde edilmiştir.
Keywords : Sentetik Görüntü, Çekişmeli Üretken Ağlar, Evrişimli Sinir Ağları

ORIGINAL ARTICLE URL