연구에서 GAN 기반 이미지 조작에 대응하기 위해 VGG16, ResNet50, EfficientNetB0, XceptionNet 등 4가지 CNN 모델의 가짜 이미지 탐지 성능을 비교했어요.
전처리 및 학습 파이프라인을 통일하고 데이터 증강을 통해 클래스 불균형을 해소한 결과, VGG16이 91%의 가장 높은 정확도를 기록했고, XceptionNet, ResNet50, EfficientNetB0는 각각 90%의 정확도를 달성했어요.
EfficientNetB0는 가짜 이미지에 대한 민감도가 높았지만 실제 이미지에 대한 신뢰도가 낮아 불균형으로 인한 편향을 반영하며, 향후 균형 잡힌 데이터셋과 공정성 있는 학습이 필요해요.