CNN 전이학습을 통한 딥페이크 탐지 모델 개발

딥페이크로 인해 발생하는 다양한 사회적 문제를 매트랩 기반의 인공지능 모델로 해결하기 위해 전이학습을 통하여 탐지 모델을 개발합니다.

정확도 향상을 위한 노력

•데이터 증강

RandRotation -15도 ~ +15도 회전

RandX/YTranslation 최대 ±10 픽셀 이동

RandX/YScale 0.9~1.1 배 확대/축소

RandXReflection 좌우 반전

gray2rgb 전처리 회색조 FFT 이미지도 ResNet50 입력 형식(3채널) 맞춤

•전이학습

resnet50 사용 강력한 사전학습 모델 활용

dropoutLayer(0.5) 과적합 억제 (50% 확률로 뉴런 제거)

fullyConnectedLayer 새 데이터 클래스 수에 맞춰 출력 조정

layerGraph 조작 기존 ResNet 구조 수정 후 연결

•모델 최적화

adam 빠르고 안정적인 옵티마이저

InitialLearnRate=1e-4 학습률 낮게 설정해 안정적 학습

L2Regularization 과적합 억제를 위한 가중치 패널티

ValidationPatience=5 early stopping 효과 (검증 정확도 개선 없으면 중단)

2. 코드 파일의 간략한 설명

graychange.m 컬러 이미지 흑백 변환

fft_change.m 흑백 이미지 fft 변환

transfer_learning.m 전이학습 계층 변환

test_code.m 테스트 정확도 측정

3. 테스트 결과(테스트 정확도 포함)

• 원본 사진 기반 모델

• fft 분석 이미지 기반 모델