CNN 网络中数据域变化的可视化方法及分类任务中的阈值选择优化方法
计算机视觉与模式识别
2024-04-22 v1 机器学习
摘要
近年来，人脸反欺骗 (FAS) 在维护人脸识别技术的安全性方面发挥了至关重要的作用。随着伪造人脸生成技术的兴起，数字编辑人脸给人脸反欺骗带来的挑战日益加剧。现有的 FAS 技术主要侧重于拦截物理伪造人脸，缺乏应对跨域 FAS 挑战的鲁棒解决方案。此外，确定合适的阈值以在域内 FAS 中实现最佳部署效果仍是一个问题。为了解决这些问题，我们提出了一种可视化方法，通过可视化数据集上的预测结果来直观反映模型的训练效果。此外，我们证明采用下采样和高斯模糊等数据增强技术可以有效提升跨域任务的性能。基于我们的数据可视化方法，我们还引入了一种基于训练数据集分布的阈值设定方法。最终，我们的方法在统一物理-数字人脸攻击检测竞赛和快照光谱成像人脸反欺骗竞赛中均为我们赢得了第二名。训练代码可在 https://github.com/SeaRecluse/CVPRW2024 获取。
引用
@article{arxiv.2404.12602,
title = {A visualization method for data domain changes in CNN networks and the optimization method for selecting thresholds in classification tasks},
author = {Minzhe Huang and Changwei Nie and Weihong Zhong},
journal= {arXiv preprint arXiv:2404.12602},
year = {2024}
}