Prepoznavanje globokih ponaredkov s konvolucijskimi nevronskimi mrežamiKronovšek, Andrej (Avtor) Peer, Peter (Mentor) Batagelj, Borut (Komentor) strojno učenjenevronske mrežegloboki ponaredkiV okviru diplomskega dela smo si zadali nalogo, narediti model, ki bi učinkovito prepoznaval globoke ponaredke. Prijavili smo se na tekmovanje DeepFake Game Competition, na katerem smo prepoznavali ponaredke, ki so jih oddali naši sotekmovalci. Skozi proces razvoja modelov za detekcijo globokih ponaredkov smo preizkušali različne modele in ideje. Slike obrazov smo delili na več manjših, takšnih, ki bi zajemale del obraza, za katerega smo predpostavili, da ob ustvarjanju ponaredka postane popačen. V času poteka tekmovanja smo bili omejeni z zahtevami postavljenimi z njihove strani, naš najboljši model je bila fuzija modelov Xception in Efficient\-Net. Da so bili rezultati primerljivi, smo modele, celoten proces, tudi po končanem tekmovanju, učili na primerljivi množici podatkov. Po objavi baz, ki so jih sotekmovalci generirali in na katerih so naše modele testirali, smo ugotovili, da vsebujejo visoko mero šuma na obrazu. Usmerili smo se v izboljšanje rezultata na bazi tekmovanja in v cevovod dodali avtokodirnik, ki bi zaznal tovrsten šum. Končni model je sestavljen iz modelov Xception, EfficientNet, dodan pa je Skip-GANomaly, učen na dvakrat valjčno transformiranih vhodnih slikah. S tem modelom na omenjeni bazi dosežemo velikost območja pod ROC krivuljo enako 0,645902, kar bi nas na tekmovanju uvrstilo na 11. mesto od 28.20212021-09-13 11:00:00Diplomsko delo/naloga130300sl