CASIA-SURF：用于人脸反欺骗的大规模多模态基准
计算机视觉与模式识别
2020-02-05 v2
摘要
人脸反欺骗对于防止人脸识别系统遭受安全漏洞至关重要。近年来，人脸反欺骗基准数据集的可用性推动了该领域的许多进展。然而，现有的人脸反欺骗基准在受试者数量 () 和模态数量 () 上有限，这阻碍了学术界的进一步发展。为了促进人脸反欺骗研究，我们引入了一个大规模多模态数据集，即 CASIA-SURF，它是目前在受试者和模态方面最大的公开可用的人脸反欺骗数据集。具体而言，它包含 个受试者的 个视频，且每个样本具有 种模态（即 RGB、Depth 和 IR）。我们还提供了全面的评估指标、多样的评估协议、训练/验证/测试子集以及一个测量工具，为人脸反欺骗开发了一个新的基准。此外，我们提出了一种新颖的多模态多尺度融合方法作为强基线，该方法执行特征重加权，以在不同尺度上为每种模态选择信息量更大的通道特征，同时抑制用处较小的特征。在所提出的数据集上进行了大量实验，以验证其重要性和泛化能力。该数据集可在 https://sites.google.com/qq.com/face-anti-spoofing/welcome/challengecvpr2019?authuser=0 获取
引用
@article{arxiv.1908.10654,
title = {CASIA-SURF: A Large-scale Multi-modal Benchmark for Face Anti-spoofing},
author = {Shifeng Zhang and Ajian Liu and Jun Wan and Yanyan Liang and Guogong Guo and Sergio Escalera and Hugo Jair Escalante and Stan Z. Li},
journal= {arXiv preprint arXiv:1908.10654},
year = {2020}
}
备注
Accepted by TBIOM; Journal extension of our previous conference paper: arXiv:1812.00408