一种用于人脸欺骗检测的紧凑深度学习模型
计算机视觉与模式识别
2021-01-14 v1 多媒体
摘要
近年来，人脸生物特征安全系统迅速增多，因此呈现攻击检测（PAD）受到研究界的显著关注，并成为一个主要研究领域。研究者已用多种方法应对该问题，从利用 LBP、BSIF、LPQ 等传统纹理特征提取，到使用不同架构的深度神经网络。尽管这些技术各自在特定攻击场景或数据集上取得了成果，但大多数仍未能将问题泛化至未知条件，因为其效率受限于特定类型的呈现攻击与工具（PAI）。本文不彻底提取手工纹理特征或仅依赖深度神经网络，而是通过统一神经架构融合宽特征与深度特征来解决该问题。主要思想是借助两类方法的优势为问题推导具有良好泛化性的解。我们还通过将结果与上述各类技术分别比较来评估方法有效性。该过程在不同欺骗数据集（如 ROSE-Youtu、SiW 和 NUAA Imposter 数据集）上进行。特别地，我们同时学习一个低维潜在空间，其由为欺骗检测任务设计的卷积神经网络（即深度通道）学习的数据驱动特征增强，并利用在频率与时间维度上已广泛用于欺骗检测的欺骗检测特征（即经由宽通道）。
引用
@article{arxiv.2101.04756,
title = {A Compact Deep Learning Model for Face Spoofing Detection},
author = {Seyedkooshan Hashemifard and Mohammad Akbari},
journal= {arXiv preprint arXiv:2101.04756},
year = {2021}
}