使用子类监督稀疏自编码器的基于人口统计特征的人脸修饰检测
计算机视觉与模式识别
2017-09-25 v1
摘要
由于自动化该任务的软件包的引入，人脸图像的数字修饰正变得越来越普遍。一些研究人员已经引入了算法来检测人脸图像是原始图像还是修饰过的图像。然而，先前关于该主题的工作并未考虑修饰检测的准确性是否或如何随人脸图像的人口统计特征而变化。在本文中，我们引入了一个新的多人口统计修饰人脸 (MDRF) 数据集，其中包含属于两种性别（男性和女性）和三个种族（印度人、中国人和高加索人）的图像。此外，修饰图像是使用两种不同的修饰软件包创建的。本研究的第二大贡献是一种结合了“子类”信息以改善分类的新型半监督自编码器。所提出的方法在广义修饰检测任务中优于现有的 SOTA 检测算法。用多种种族组合进行的实验表明，修饰检测的准确性会根据训练和测试图像的人口统计特征而产生很大差异。
引用
@article{arxiv.1709.07598,
title = {Demography-based Facial Retouching Detection using Subclass Supervised Sparse Autoencoder},
author = {Aparna Bharati and Mayank Vatsa and Richa Singh and Kevin W. Bowyer and Xin Tong},
journal= {arXiv preprint arXiv:1709.07598},
year = {2017}
}
备注
Accepted in International Joint Conference on Biometrics, 2017