基于半监督学习的可泛化人脸反欺骗方法
计算机视觉与模式识别
2022-06-15 v1 人工智能
密码学与安全
机器学习
摘要
由于生物特征认证系统的高安全性需求，人脸反欺骗已引起大量关注。将人脸生物特征应用于商用硬件在很大程度上依赖于开发无需专用传感器即可检测伪造登录会话的可靠方法。当前基于CNN的方法在其训练域上表现良好，但在先前未见过的数据集上常表现出较差的泛化能力。在本文中，我们描述了一种利用无监督预训练以在无任何适配情况下提升跨多个数据集性能的方法，引入了用于监督微调的Entry Antispoofing Dataset，并提出了一种多类辅助分类层，用显式可解释信号增强检测欺骗尝试的二分类任务。我们通过在MSU-MFSD、Replay-Attack和OULU-NPU数据集上的跨数据集测试取得最先进(state-of-the-art)结果，证明了我们模型的效率。
引用
@article{arxiv.2206.06510,
title = {Generalizable Method for Face Anti-Spoofing with Semi-Supervised Learning},
author = {Nikolay Sergievskiy and Roman Vlasov and Roman Trusov},
journal= {arXiv preprint arXiv:2206.06510},
year = {2022}
}