基于少样本学习的身份证防伪检测：扩展至未知身份证国家
计算机视觉与模式识别
2025-06-06 v1
摘要
本文提出了一种基于少样本学习（FSL）的方法，用于检测部署在远程验证系统中的身份证展示攻击，并扩展至新国家。我们的研究分析了原型网络在西班牙和智利文件作为基线情况下的性能，并衡量了对新身份证国家（如阿根廷和哥斯达黎加）的泛化能力扩展。具体针对屏幕显示展示攻击这一挑战进行设计。通过利用卷积架构和所体现的元学习原则构建原型网络，我们制作了一个在少样本示例下表现高效的模型。本研究表明，仅需五个唯一身份即可实现竞争性能，且在新增每个新国家时不超过100张图像即可。为 novel 化的身份证防伪检测到未知攻击提供了新的见解。
引用
@article{arxiv.2409.06842,
title = {Few-Shot Learning: Expanding ID Cards Presentation Attack Detection to Unknown ID Countries},
author = {Alvaro S. Rocamora and Juan M. Espin and Juan E. Tapia},
journal= {arXiv preprint arXiv:2409.06842},
year = {2025}
}