合成图像对基于三元组网络的形态攻击检测的影响
计算机视觉与模式识别
2024-03-21 v2
摘要
本文评估了合成图像对基于三元组网络的形态攻击检测（MAD）的影响，采用半硬损失函数。进行了 intra 和 cross-dataset 评估，以衡量合成图像的泛化能力。使用了 FERET、FRGCv2 和 FRLL 三个不同预训练网络作为特征提取器，分别来自 MobileNetV2、MobileNetV3 和 EfficientNetB0。我们的结果表明，MAD 在 FERET、FRGCv2 和 FRLL 上使用 EfficientNetB0 训练的模型可实现较低的错误率，优于 SOTA 方法。相反，使用仅合成图像训练的系统表现较差。混合方法（合成 + 数字）数据库可能有助于改善 MAD 并降低错误率。这一发现表明，我们仍需继续努力将合成图像纳入训练过程。
引用
@article{arxiv.2403.09380,
title = {Impact of Synthetic Images on Morphing Attack Detection Using a Siamese Network},
author = {Juan Tapia and Christoph Busch},
journal= {arXiv preprint arXiv:2403.09380},
year = {2024}
}
备注
Arxiv version of CIARP2023 - fixed typo errors