Affiliation:
1. BİNGÖL ÜNİVERSİTESİ, GENÇ MESLEK YÜKSEKOKULU, BİLGİSAYAR TEKNOLOJİLERİ BÖLÜMÜ
2. FIRAT ÜNİVERSİTESİ
Abstract
Günümüzde teknolojinin gelişmesi yapay zekâ çalışmalarının da hızlı bir şekilde gelişmesine olarak sağlamaktadır. Gelişen yapay zekâ çalışmaları arasında son zamanlarda popülerliği yüksek olan konulardan birisi sanal ortamlarda gerçekçi sahte yüzlerin oluşturulması ve kullanılmasıdır. Yapılan çalışmada içerisinde sahte ve gerçek yüzlerin yer aldığı görüntüler kullanılarak yüzlerin sahte/gerçek olduğunu ayırt etmek için bir dizi çalışmalar yapılmıştır. Yapılan çalışmada iki farklı sınıflandırma modeli (VGG, Xception) ve görüntüler üzerinde üç faklı yöntem (normal görüntü, Fourier dönüşümlü görüntü, Ayrık Kosinüs dönüşümlü görüntü) uygulanarak ayrı ayrı sınıflandırma işlemleri gerçekleştirilmiştir. Elde edilen sonuçlar karşılaştırılarak araştırmacılara kaynak olarak sunulmuştur.
Publisher
Uludag University Journal of the Faculty of Engineering
Reference38 articles.
1. 1. Adhinata, F., & Junaidi, A. (2022). Gender Classification on Video Using FaceNet Algorithm and Supervised Machine Learning. International Journal of Computing and Digital Systems, 11(1), 199-208.
2. 2. Akben, S. B., & Alkan, A. (2015). Density-based feature extraction to improve the classification performance in the datasets having low correlation between attributes. Journal of the Faculty of Engineering and Architecture of Gazi University, 30(4), 597-603.
3. 3. Akbulut, Y., Şengür, A., & Ekici, S. (2017). Gender recognition from face images with deep learning. In 2017 International artificial intelligence and data processing symposium (IDAP) (pp. 1-4).
4. 4. Atalar, M. (2008). İmge Dizilerindeki Artıkların İşlenmesi. Gazi Üniversitesi Fen Bilimleri Enstitüsü Y. Lisans Tezi.
5. 5. Atasoy, N. A., & Tabak, D. (2018). Destek Vektör Makineleri Kullanarak Yüz Tanima Uygulamasi Geliştirilmesi. Engineering Sciences, 13(2), 119-127.