基于频域信息的少样本单类域适应虹膜呈现攻击检测
计算机视觉与模式识别
2022-04-04 v1
摘要
虹膜呈现攻击检测（PAD）已取得显著成功，保障了虹膜识别系统的可靠性与安全性。现有多数方法利用空间域中的判别性特征，在数据集内设置下报告了优异性能。然而在跨数据集设置下，受域偏移影响性能退化不可避免。考虑到真实应用场景，少量真实样本（bonafide samples）易于获取。因此我们定义了一种新的域适应设定，称为少样本单类域适应（FODA），其适应仅依赖于有限数量的目标真实样本。为解决该问题，我们提出了一种基于频域信息表达能力的新型 FODA 框架。具体而言，我们的方法通过两个提出的模块整合频率相关信息。基于频率的注意力模块（FAM）将频率信息聚合进空间注意力，并显式强调高频细粒度特征。频率混合模块（FMM）混合特定频率分量，以生成大规模目标风格样本，从而在有限目标真实样本下进行适应。在 LivDet-Iris 2017 数据集上的大量实验表明，所提方法在跨数据集与数据集内设置下均达到了最先进或具竞争力的性能。
引用
@article{arxiv.2204.00376,
title = {Few-shot One-class Domain Adaptation Based on Frequency for Iris Presentation Attack Detection},
author = {Yachun Li and Ying Lian and Jingjing Wang and Yuhui Chen and Chunmao Wang and Shiliang Pu},
journal= {arXiv preprint arXiv:2204.00376},
year = {2022}
}
备注
Camera Ready, ICASSP 2022