基于对比对抗学习与三元组损失微调的人脸识别系统对抗训练
计算机视觉与模式识别
2021-10-12 v1
摘要
尽管在提升人脸识别系统对抗鲁棒性方面已有大量工作，但令人惊讶的是其中关注自监督方法的比例很小。在本工作中，我们提出一种将对抗预训练与三元组损失对抗微调相结合的方法。我们将我们的方法与构成 FaceNet 主干、并在我们的 CelebA 数据集上微调的预训练 ResNet50 模型进行比较。通过比较无对抗训练、三元组损失对抗训练、以及我们的对比预训练结合三元组损失对抗微调所达到的对抗鲁棒性，我们发现我们的方法以远少于微调所需的训练轮数取得了可比结果。这看似大有前景，增加微调的训练时间应能产生更好的结果。此外，还进行了一项改进的半监督实验，其展示了引入少量标签后对比对抗训练的改进。
引用
@article{arxiv.2110.04459,
title = {Adversarial Training for Face Recognition Systems using Contrastive Adversarial Learning and Triplet Loss Fine-tuning},
author = {Nazmul Karim and Umar Khalid and Nick Meeker and Sarinda Samarasinghe},
journal= {arXiv preprint arXiv:2110.04459},
year = {2021}
}