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...

Full description

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
Description
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.