Detección de videos multi-rostro manipulados por deepfake a partir de aprendizaje profundo
Este proyecto tiene como propósito el desarrollo de un modelo que permita clasificar los rostros de un video como reales o alterados por DeepFake. Para esto se hace uso del aprendizaje profundo con el fin de construir un modelo híbrido que pueda clasificar rostros de un video a través de entrenamien...
- Autores:
-
Ballesteros Pastrán, Santiago
Jiménez Varón, Catalina
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/60261
- Acceso en línea:
- http://hdl.handle.net/1992/60261
- Palabra clave:
- Aprendizaje profundo
Deep Learning
Arquitectura hibrida (cnn-rnn)
Hybrid arquitecture (cnn-rnn)
Clasificación multi-rostro
Multi-face classification
Procesamiento de videos
Video processing
Transferencia del aprendizaje
Transfer learning
Ingeniería
- Rights
- openAccess
- License
- Atribución 4.0 Internacional
Summary: | Este proyecto tiene como propósito el desarrollo de un modelo que permita clasificar los rostros de un video como reales o alterados por DeepFake. Para esto se hace uso del aprendizaje profundo con el fin de construir un modelo híbrido que pueda clasificar rostros de un video a través de entrenamiento supervisado. La arquitectura propuesta está compuesta por una red neuronal convolucional (CNN), la cual se utiliza como extractor de características, y una red recurrente para la clasificación. Tras probar diferentes variaciones de RNN con la red pre entrenada InceptionV3 se encontró que la mejor se basa en una GRU unidireccional. |
---|