Giliųjų klastočių atpažinimo metodai garso įrašuose
Baltaduonis, Tautvydas |
Ramanauskaitė, Simona | Recenzentas / Rewiewer |
Darbo gynimo komisijos pirmininkas / Thesis Defence Board Chairman | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Medvedev, Viktor | Darbo gynimo komisijos narys / Thesis Defence Board Member |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member |
Magistro darbo pagrindinis tikslas - išmokyti pasirinktą modelį, skirtą giliosioms klastotėms aptikti garso įrašuose, ir pagerinti jo efektyvumą. Darbą sudaro literatūros apžvalga ir esamų modelių bei duomenų rinkinių palyginimas. Eksperimentinėje dalyje buvo dirbama su „RawNet2” architektūra pagrįstu modeliu. Modeliui apmokyti buvo naudojami „ASVspoof2019” ir „LibriSeVoc” duomenų rinkiniai. Modeliui įvertinti buvo naudojami minėtieji duomenų rinkiniai ir papildomas „ASVspoof2021” duomenų rinkinys. Siekiant optimizuoti modelių veikimą, atlikta apie 50 eksperimentų. Optimizuotas modelis pasiekė tokius rezultatus: EER - 4,02 %, t-DCF - 0,108. Atliekant testus su išoriniais duomenų rinkiniais, kitas modelis pasiekė 18,62 % EER ir 0,4915 t-DCF. Baigiamąjį darbą sudaro 53 puslapiai, 19 paveikslų, 15 lentelių ir 41 šaltinis.
The main aim of the master's thesis is to train a selected model for deepfake detection in audio recordings, and to improve its efficiency. The work includes a literature review and a comparison between existing models and datasets. For the experimental part, a model based on RawNet2 architecture was worked on. For model training ASVspoof2019 and LibriSeVoc datasets were used. For model evaluation, the same previously mentioned datasets were used, along with an additional ASVspoof2021 dataset. To optimize models' performance, approximately 50 experiments were conducted. The optimized model reached the following results: EER - 4,02 %, t-DCF - 0,108. In out-of-scope dataset testing a different model reached 18,62 % EER and 0,4915 t-DCF. The thesis consists of 53 pages, 19 figures, 15 tables, and 41 sources.