面向深度人脸活体检测的一致性正则化
计算机视觉与模式识别
2021-11-29 v2
摘要
人脸活体检测在保护人脸识别系统安全中起着至关重要的作用。经验表明，给定一张图像，对该图像不同视图输出更一致的模型通常表现更好，如图1所示。受这一令人兴奋的观察启发，我们推测，鼓励不同视图的特征一致性可能是提升FAS模型的一种有前景的方法。在本文中，我们通过在FAS中同时增强嵌入级和预测级一致性正则化来深入探索这一方法。具体而言，在嵌入级，我们设计了一个密集相似度损失，以自监督的方式最大化两个中间特征图所有位置之间的相似度；而在预测级，我们优化两个视图预测之间的均方误差。值得注意的是，我们的EPCR无需标注，可以直接集成到半监督学习方案中。考虑到不同的应用场景，我们进一步设计了五种不同的半监督协议来衡量半监督FAS技术。我们进行了大量实验，结果表明EPCR能显著提升多个监督和半监督任务在基准数据集上的性能。代码和协议将发布在https://github.com/clks-wzz/EPCR。
引用
@article{arxiv.2111.12320,
title = {Consistency Regularization for Deep Face Anti-Spoofing},
author = {Zezheng Wang and Zitong Yu and Xun Wang and Yunxiao Qin and Jiahong Li and Chenxu Zhao and Zhen Lei and Xin Liu and Size Li and Zhongyuan Wang},
journal= {arXiv preprint arXiv:2111.12320},
year = {2021}
}
备注
10 tables, 4 figures