Detección de mentiras en videos de presentación mediante machine learning

Abstract

Este trabajo de investigación se centró en abordar el desafío de la detección de mentiras a través del análisis de audios. Se propuso utilizar modelos de Deep Learning como enfoque principal para analizar y determinar la veracidad de los audios. El objetivo fue aplicar e integrar una metodología que permitiera identificar de manera efectiva las mentiras basándose en las características de las señales de audio. Para lograr este objetivo, se siguieron diez etapas fundamentales de la metodología de la ciencia de datos. Se obtuvo un dataset de videos clasificados previamente en mentiras y ver dades, el cual fue utilizado para entrenar y evaluar diferentes modelos de Deep Learning. Se exploraron y compararon modelos como MLP, CNN y RNN, utilizando representaciones de los audios en forma de STFT y MFCC. Tras la evaluación exhaustiva, se seleccionó el modelo RNN con datos MFCC debido a su precisión de 50 % y función de pérdida de 0,93 en la detección de mentiras en audios. Los resultados obtenidos demuestran la eficacia de los modelos de Deep Learning en el análisis de audios y su relevancia en el campo de la detección de mentiras.

This research work focused on addressing the challenge of lie detection through audio analysis. The proposal was to utilize Deep Learning models as the primary approach for analyzing and determining the veracity of audios. The objective was to apply and integrate a methodology that effectively identifies lies based on the characteristics of audio signals. To achieve this goal, ten fundamental stages of the data science methodology were followed. A dataset of videos classified as lies and truths was obtained, which was used to train and evaluate different Deep Learning models. Models such as MLP, CNN, and RNN were explored and compared using audio representations in the form of STFT and MFCC. After a thorough evaluation, the RNN model with MFCC data was selected due to its accuracy of 50 % and a loss function of 0,93 in detecting lies in audios. The obtained results demonstrate the effectiveness of Deep Learning models in audio analysis and their relevance in the field of lie detection.