基于注意力与深度像素级二值监督网络的虹膜呈现攻击检测
计算机视觉与模式识别
2021-06-29 v1
摘要
虹膜呈现攻击检测（PAD）在虹膜识别系统中起着至关重要的作用。大多数现有基于CNN的虹膜PAD方案 1）在CNN训练期间仅执行二值标签监督，服务于全局信息学习但削弱了对局部判别特征的捕获，2）偏好堆叠更深层卷积或专家设计网络，增加了过拟合风险，3）融合多个PAD系统或各类特征，增加了在移动设备上部署的难度。因此，我们提出一种新颖的基于注意力的深度像素级二值监督（A-PBS）方法。像素级监督首先能够捕获细粒度像素/块级线索。随后，注意力机制引导网络自动寻找对准确PAD决策贡献最大的区域。在LivDet-Iris 2017及另外三个公开可用数据库上进行了大量实验，以展示所提A-PBS方法的有效性与鲁棒性。例如，A-PBS模型在IIITD-WVU数据库上实现了6.50%的HTER，优于最先进方法。
引用
@article{arxiv.2106.14845,
title = {Iris Presentation Attack Detection by Attention-based and Deep Pixel-wise Binary Supervision Network},
author = {Meiling Fang and Naser Damer and Fadi Boutros and Florian Kirchbuchner and Arjan Kuijper},
journal= {arXiv preprint arXiv:2106.14845},
year = {2021}
}
备注
To appear at the 2021 International Joint Conference on Biometrics (IJCB 2021)