ĐÁNH GIÁ HIỆU NĂNG MỘT SỐ MẠNG HỌC SÂU TRONG NHẬN DẠNG HÌNH ẢNH KHUÔN MẶT THẬT GIẢ

Abstract

Nghiên cứu này thử nghiệm một số mô hình học sâu để đưa ra đánh giá hiệu năng mô hình phù hợp nhất cho bài toán nhận dạng ảnh khuôn mặt thật giả. Các kỹ thuật học chuyển đổi, mô hình lai ghép, mô hình vision transformer được áp dụng trên cùng một tập dữ liệu ảnh khuôn mặt thật giả để so sánh. Trong đó, kỹ thuật học chuyển đổi được áp dụng cho 8 mô hình InceptionResNetV2, EfficientNetV2, VGG16, ResNet50, EfficientNetB7, MobileNet, ResNet101, DenseNet201, kỹ thuật lai ghép áp dụng cho 3 mô hình VGG16-XGBoost, VGG16-CatBoost, VGG16-LightGBM. Kết quả thử nghiệm cho thấy các mô hình lai ghép và mô hình vision transformer cho kết quả khá tốt, nhưng mô hình ResNet50 cho kết quả tốt nhất.