新型人脸呈现攻击的检测与持续学习
计算机视觉与模式识别
2021-08-30 v1
摘要
深度学习的进展结合大型数据集的可用性，使人脸呈现攻击检测研究取得令人印象深刻的改进。然而，最先进的人脸反欺骗系统仍易受训练期间从未见过的新类型攻击。此外，即便此类攻击被正确检测，这些系统也缺乏适应新遇攻击的能力。在初始检测阶段后，持续检测新型攻击并在自我适应中识别这些攻击类型的训练后能力极具吸引力。本文通过抑制网络在训练样本分布之外的置信水平，使深度神经网络能将观测输入数据点的异常检测为潜在新型攻击。随后我们利用经验回放更新模型，以融入新型攻击知识而不遗忘过往已学攻击类型。实验结果证明所提方法在两个基准数据集及一个展现多种攻击类型的新引数据集上的有效性。
引用
@article{arxiv.2108.12081,
title = {Detection and Continual Learning of Novel Face Presentation Attacks},
author = {Mohammad Rostami and Leonidas Spinoulas and Mohamed Hussein and Joe Mathai and Wael Abd-Almageed},
journal= {arXiv preprint arXiv:2108.12081},
year = {2021}
}