Deepfake detekciós webalkalmazás

Abstract

A szakdolgozat célja egy deepfake detekciós webalkalmazás megtervezése és implementálása, amely mesterséges intelligencia segítségével képes megkülönböztetni a valódi és a generált arcképeket. A rendszer az EfficientNet-B4 konvolúciós neurális hálózat architektúrára épül, amelyet 140 000 képből álló adathalmazon tanítottam be transzfer tanulás alkalmazásával. A modell teljesítményének kiértékelése több metrika mentén történt. A rendszer Grad-CAM alapú vizualizációt is tartalmaz, amely szemlélteti hogy a modell mely képterületek alapján hozta meg döntését, növelve ezzel az átláthatóságot. A fejlesztés során a backend FastAPI keretrendszerre, JWT alapú autentikációra és SQLite adatbázisra épül, a frontend pedig React TypeScript alapú. Az elkészült webalkalmazás lehetővé teszi a felhasználók számára képek és videók feltöltését deepfake detekció céljából, az eredmények azonnali megtekintését és a korábbi detekciók előzményeinek visszakeresését.