深度学习
计算机科学
人工智能
机器学习
钥匙(锁)
计算模型
人工神经网络
数据挖掘
统计学习
深层神经网络
特征(语言学)
作者
Erva Alacan,Pınar Güner Şahan,Suhap Şahın
出处
期刊:2017 International Artificial Intelligence and Data Processing Symposium (IDAP)
[Institute of Electrical and Electronics Engineers]
日期:2026-09-01
卷期号:: 1-6
标识
DOI:10.1109/idap71869.2026.11728050
摘要
Gelişen teknoloji ve yapay zeka uygulamalarının geniş kitlelere ulaşmasıyla birlikte, gerçek görüntülerden ayırt edilmesi giderek zorlaşan sahte içerikler (deepfake) önemli bir güvenlik tehdidi hâline gelmiştir. Bu içeriklerin otomatik tespiti için derin öğrenme modelleri yaygın olarak kullanılmaktadır. Bu çalışmada, FaceForensics++ veri kümesi üzerinde yedi derin öğrenme modeli aynı donanım ortamında karşılaştırmalı olarak değerlendirilmiştir. Modeller doğruluk metriklerinin yanı sıra parametre sayısı, hız ve çıkarım süresi gibi metrikler ile hesaplama maliyeti açısından da değerlendirilmiştir. Elde edilen bulgular, EfficientNet-B0 ve XceptionNet modellerinin en yüksek doğruluk değerlerine ulaştığını, XceptionNet’in yüksek doğruluğu düşük çıkarım süresiyle birleştirdiğini göstermiştir.MobileNetV3 ise yüksek doğruluk, düşük hesaplama maliyeti ve küçük model boyutu sayesinde gerçek zamanlı deepfake tespit sistemleri için dengeli bir seçenek olarak değerlendirilmiştir.Sonuçlar, model seçiminin yalnızca doğruluk üzerinden değil, doğruluk ve hesaplama maliyeti dengesi birlikte dikkate alınarak yapılması gerektiğini göstermektedir.
科研通智能强力驱动
Strongly Powered by AbleSci AI