Aplikace pro analýzu odolnosti algoritmů pro rozpoznávání podle obličeje vůči deepfake snímkům

Abstract

Práca sa primárne zaoberá analýzou algoritmov pre rozpoznanie tváre voči deepfake snímkom. Časť riešenia práce je založená na konvolučných neurónových sieťach, ktoré sú schopné určiť, či zadaný snímok je alebo nie je deepfake. Práca skúma siamskú neurónovú sieť a jej vhodnosť pre detekciu deepfake. Jej výsledky porovnávame s modernými algoritmami pre rozpoznanie tváre ako napríklad ArcFace, DeepFace, MagFace a FaceNet. Na základe výsledkov z týchto algoritmov pre rozpoznanie tváre vyhodnocujeme dôveryhodnosť vstupných snímkov voči deepfake technológii. Taktiež porovnávame rôzne konfigurácie neurónových sietí. Zaoberáme sa aj rôznymi programami pre tvorbu deepfake snímkov ako napríklad FaceFusion alebo SimSwap. Programová časť práce je implementovaná v jazyku Python.This thesis primarily focuses on the analysis of algorithms for facial recognition against deepfake images. Part of the solution is based on convolutional neural networks, which are capable of determining whether a given image is a deepfake or not. The thesis examines the Siamese neural network and its suitability for deepfake detection. Its results are compared with state-of-the-art facial recognition algorithms such as ArcFace, DeepFace, MagFace, and FaceNet. Based on the results of these face recognition algorithms, we evaluate the credibility of the input images against deepfake technology. Different configurations of neural networks are also compared. Additionally, we explore different programs for creating deepfake images, such as FaceFusion and SimSwap. The programming part of the thesis is implemented in Python.