EyePAD++：一种基于蒸馏的利用眼周图像进行联合眼认证与呈现攻击检测的方法
计算机视觉与模式识别
2021-12-30 v2
摘要
面向边缘设备的实用眼认证（EA）系统需要执行认证并对呈现攻击具有鲁棒性，同时保持计算和延迟高效。然而，现有的基于眼睛的框架 a) 独立地执行认证与呈现攻击检测（PAD），b) 涉及大量预处理步骤以提取虹膜区域。在此，我们引入一种利用眼周图像进行 EA 与 PAD 的联合框架。虽然深度多任务学习（MTL）网络可以执行这两项任务，但由于 EA 与 PAD 的训练数据集互不相交，MTL 存在遗忘效应。为克服该问题，我们提出 Eye Authentication with PAD（EyePAD），一种基于蒸馏的方法，在训练单一网络进行 EA 和 PAD 的同时减轻遗忘效应。为进一步提升 EA 性能，我们提出一种称为 EyePAD++ 的新方法，包括在 EA 和 PAD 数据上训练 MTL 网络，同时通过额外的蒸馏步骤蒸馏 EyePAD 网络的“通用性”。我们提出的方法在 PAD 上优于 SOTA，并在眼对眼验证中取得接近 SOTA 的性能，且无需任何预处理。我们还展示了 EyePAD 和 EyePAD++ 在不同网络骨干和图像质量下，结合 PAD 进行用户到用户验证的有效性。
引用
@article{arxiv.2112.11610,
title = {EyePAD++: A Distillation-based approach for joint Eye Authentication and Presentation Attack Detection using Periocular Images},
author = {Prithviraj Dhar and Amit Kumar and Kirsten Kaplan and Khushi Gupta and Rakesh Ranjan and Rama Chellappa},
journal= {arXiv preprint arXiv:2112.11610},
year = {2021}
}