@article{article_1721371, title={Hibrit ResNeXt ve LSTM Mimarisi Kullanılarak Deepfake Video Algılama}, journal={Politeknik Dergisi}, pages={1–1}, year={2025}, DOI={10.2339/politeknik.1721371}, author={Yardımcı, Nurcan and Abdi, Mohamed Ibrahim and Ergen, Burhan}, keywords={DeepFake, ResNeXt-50, LSTM, Fake Video Detection, Hybrid Deep Learning}, abstract={Deepfake içeriklerin artan yaygınlığı, bireysel gizlilik, medya güvenilirliği ve kamu güveni için ciddi bir tehdit oluşturmaktadır. Mevcut tespit yöntemleri genellikle çeşitli manipülasyon teknikleri ve video kalite seviyeleri arasında genelleme yapmakta zorlanmaktadır. Bu çalışma, ResNeXt-50’nin mekansal özellik çıkarma güçlerini LSTM ağlarının zamansal dizi modelleme yetenekleriyle birlikte kullanan derin öğrenmeye dayalı bir hibrit mimari sunmaktadır. Önerilen çerçeve, başlangıçta önceden eğitilmiş bir ResNeXt-50 omurgası aracılığıyla kare bazlı özellikler elde ederek ve ardından bir LSTM katmanı aracılığıyla zamansal dinamikleri inceleyerek video girişini işler. Deneysel değerlendirmeler, DFDC, Celeb-DF, FaceForensics++ ve DFD dahil olmak üzere kıyaslama veri kümeleri kullanılarak yürütülmüştür. Bulgular, geliştirilen modelin geleneksel CNN-LSTM kombinasyonlarından önemli ölçüde daha iyi performans gösterdiğini, DFDC veri kümesinde %95,7 ve diğer veri kümelerinde %90’ın üzerinde doğruluk elde ettiğini göstermektedir. Bu araştırma, hibrit derin öğrenme tekniklerinin gerçek dünya video kimlik doğrulama sistemlerinde pratik uygulanabilirliğini vurgulamakta ve sentetik ortam tespitinin büyüyen alanına yüksek performanslı bir çözüm sunmaktadır.}, publisher={Gazi University}