Nurcan Yardımcı
Nurcan Yardımcı has a total of 3 co-authors. Here are the top co-authors by number of shared publications:
- Burhan Ergen
Firat Universitesi
2 shared publications - Hatice Karaoğlu
FIRAT ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ
1 shared publication - Mohamed Ibrahim Abdi
FIRAT ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ
1 shared publication
Latest Publications
- Open Access
- 15 March 2026
- Published by Politeknik Dergisi in Journal of Polytechnic
- Vol. 29 (2) , 1-10
Hibrit ResNeXt ve LSTM Mimarisi Kullanılarak Deepfake Video Algılama
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.
- 15 March 2026
- Published by Politeknik Dergisi in Journal of Polytechnic
- Vol. 29 (2) , 1-10
Open AccessHibrit ResNeXt ve LSTM Mimarisi Kullanılarak Deepfake Video Algılama
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.
- Open Access
- 30 June 2025
- Published by Dicle Universitesi Muhendislik Fakultesi Muhendislik Dergisi in Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi
- Vol. 16 (2) , 357-367
Şüpheli Haberlerin Tespitine Yönelik Derin Öğrenme Tabanlı Haber Teyit Sisteminin Gerçekleştirilmesi
Dijital medyanın yaygınlaşması, sahte haberlerin toplumu olumsuz etkilemesine yol açmaktadır. Özellikle sosyal medya platformları, yanlış bilgilerin hızla yayılmasına sebep olmaktadır. Bu durum bireylerin yanlış yönlendirilmesine, toplumsal kutuplaşmaya ve güven kaybına yol açmaktadır. Bu nedenle, sahte haberlerin hızlı ve güvenilir bir şekilde tespiti çağımızın en önemli sorunlarından biri haline gelmiştir. Bu çalışmada, derin öğrenme ve doğal dil işleme (NLP) tabanlı yenilikçi bir haber teyit sistemi geliştirilmiştir. Sistem, dijital haber içeriklerinin doğruluğunu analiz ederek, kullanıcıları yanlış bilgilendirmeden korumayı hedeflemektedir. Geliştirilen model, haber metinlerini Zemberek kütüphansiyle işleyerek optimize etmekte, ardından BERT tabanlı özetleme yöntemleriyle metinlerin anlamını zenginleştirmektedir. Zemberek, Türkçe metinlerin doğal dil işleme süreçlerini kolaylaştırırken, SBERT modeli ise haber içeriklerinin daha derin anlamsal analizini gerçekleştirmektedir. Ayrıca YAKE algoritması haber içeriklerinden anahtar kelimeler çıkararak güvenilir kaynaklarla karşılaştırılmasını kolaylaştırmaktadır. Metinler arasındaki anlamsal benzerlik SBERT modeli kullanılarak ölçülmektedir. Kelime bazlı benzerlikler ise N-gram yöntemiyle ölçülmektedir. Bu iki yöntemden elde edilen sonuçlar birleştirilerek, haberin doğruluk skoru hesaplanmakta ve kullanıcıya sunulmaktadır. Önerilen sistem, sahte haberlerin tespitinde yüksek doğruluk oranları sunmakta ve gerçek zamanlı veri analizi sayesinde güncel olaylardaki yanlış bilgileri hızla belirlemektedir. Çok dilli ve çok modaliteli bir yapıya kavuşturulması hedeflenen sistemin uluslararası sahte haber tespiti için de etkili bir çözüm sunması hedeflenmektedir.
- 30 June 2025
- Published by Dicle Universitesi Muhendislik Fakultesi Muhendislik Dergisi in Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi
- Vol. 16 (2) , 357-367
Open AccessŞüpheli Haberlerin Tespitine Yönelik Derin Öğrenme Tabanlı Haber Teyit Sisteminin Gerçekleştirilmesi
Dijital medyanın yaygınlaşması, sahte haberlerin toplumu olumsuz etkilemesine yol açmaktadır. Özellikle sosyal medya platformları, yanlış bilgilerin hızla yayılmasına sebep olmaktadır. Bu durum bireylerin yanlış yönlendirilmesine, toplumsal kutuplaşmaya ve güven kaybına yol açmaktadır. Bu nedenle, sahte haberlerin hızlı ve güvenilir bir şekilde tespiti çağımızın en önemli sorunlarından biri haline gelmiştir. Bu çalışmada, derin öğrenme ve doğal dil işleme (NLP) tabanlı yenilikçi bir haber teyit sistemi geliştirilmiştir. Sistem, dijital haber içeriklerinin doğruluğunu analiz ederek, kullanıcıları yanlış bilgilendirmeden korumayı hedeflemektedir. Geliştirilen model, haber metinlerini Zemberek kütüphansiyle işleyerek optimize etmekte, ardından BERT tabanlı özetleme yöntemleriyle metinlerin anlamını zenginleştirmektedir. Zemberek, Türkçe metinlerin doğal dil işleme süreçlerini kolaylaştırırken, SBERT modeli ise haber içeriklerinin daha derin anlamsal analizini gerçekleştirmektedir. Ayrıca YAKE algoritması haber içeriklerinden anahtar kelimeler çıkararak güvenilir kaynaklarla karşılaştırılmasını kolaylaştırmaktadır. Metinler arasındaki anlamsal benzerlik SBERT modeli kullanılarak ölçülmektedir. Kelime bazlı benzerlikler ise N-gram yöntemiyle ölçülmektedir. Bu iki yöntemden elde edilen sonuçlar birleştirilerek, haberin doğruluk skoru hesaplanmakta ve kullanıcıya sunulmaktadır. Önerilen sistem, sahte haberlerin tespitinde yüksek doğruluk oranları sunmakta ve gerçek zamanlı veri analizi sayesinde güncel olaylardaki yanlış bilgileri hızla belirlemektedir. Çok dilli ve çok modaliteli bir yapıya kavuşturulması hedeflenen sistemin uluslararası sahte haber tespiti için de etkili bir çözüm sunması hedeflenmektedir.