Memuat
Memuat
Bangun detektor wajah deepfake dengan Vision Transformer: dari dataset wajah asli vs palsu, deteksi & penyelarasan wajah YuNet, ViT mini buatan sendiri, fine-tuning ViT pretrained, perbandingan dengan EfficientNet, uji ketahanan kompresi JPEG, sampai peta attention dan aplikasi web pemeriksa deepfake.
Geser untuk melihat kurikulum dan hasil setiap modul.
Akurasi validasi ViT-Tiny asli vs deepfake
ViT tetap akurat saat foto dikompresi JPEG, CNN turun tajam
Deteksi & penyelarasan banyak wajah sekaligus
Peta perhatian model untuk interpretasi
Enam modul berurutan mengikuti alur penelitian deteksi deepfake sungguhan, setiap modul menghasilkan kode yang berjalan dan grafik yang siap dipakai di laporan.
Jenis manipulasi wajah, dataset asli vs palsu, dan jejak GAN di spektrum frekuensi.
Detektor YuNet OpenCV, landmark mata, dan penyelarasan wajah miring.
Patch embedding, self-attention, dan positional embedding pada ViT mini.
ViT-Tiny dari timm dilatih ulang untuk klasifikasi asli vs deepfake.
Perbandingan dengan CNN dan uji ketahanan terhadap kompresi JPEG.
Peta attention untuk interpretasi dan aplikasi Streamlit pemeriksa deepfake.
Video 9–18 menit per modul, lengkap dengan PDF panduan. Modul 1 bisa ditonton gratis.
Kerangka penelitian deteksi deepfake lengkap: metode pembanding, metode usulan, eksperimen, dan evaluasi siap bab 4.
Kode PyTorch & timm yang rapi dan mudah diganti data, parameter, atau metodenya untuk publikasi.
Memahami cara kerja deteksi deepfake dari teori sampai implementasi yang bisa dicoba sendiri.
Praktik PyTorch & timm pada studi kasus nyata, bukan sekadar contoh mainan.
Kami membantu implementasi model, eksperimen, evaluasi, dan penulisan hasil untuk skripsi, tesis, maupun publikasi.
Lihat Jasa Riset Deteksi DeepfakeYa. Alurnya mengikuti penelitian sungguhan: metode pembanding, metode usulan, eksperimen, evaluasi, dan analisis hasil yang bisa langsung menjadi kerangka bab 3 dan bab 4.
Dataset wajah asli vs palsu (versi ringkas yang disertakan di file project). Data yang dipakai disertakan di file project sehingga hasilnya bisa diulang.
Ya. Pelanggan Kelas Premium dan pembeli kelas mendapat zip berisi dataset dan seluruh source code dari keenam modul, diunduh lewat link aman dari halaman kelas.
Dasar Python, Python 3.10+, dan VS Code. Library yang dipakai: torch torchvision timm opencv-python scikit-learn matplotlib streamlit.
Ada. Modul 1 bisa ditonton gratis di halaman kelas; modul berikutnya untuk pelanggan Kelas Premium atau pembeli kelas.
Ya, tersedia kelas live online dan jasa pendampingan riset deteksi deepfake untuk skripsi, tesis, maupun publikasi.
Konsultasikan topik penelitian Anda, kami bantu pilihkan paket belajar yang paling sesuai.
Konsultasi Gratis