结构化组稀疏增强的变形检测
计算机视觉与模式识别
2021-12-01 v1
摘要
本文考虑了人脸变形攻击的挑战，该攻击实质性地破坏了边境保护机构等所采用的人脸识别系统的完整性。变形检测可被表述为提取细粒度表示，其中利用局部判别性特征来学习假设。为了获取不同粒度的判别性特征以及解耦的频谱信息，我们利用小波域分析来深入了解变形人脸的空间-频率内容。因此，我们不使用 RGB 域的图像，而是利用二维小波分解将每幅图像分解为其小波子带，并采用深度监督特征选择方案来寻找输入图像最具判别性的小波子带。为此，我们使用变形图像和真实图像的分解小波子带训练了一个深度神经网络（DNN）变形检测器。在训练阶段，我们受结构化组稀疏约束的 DNN 从所有子带中挑选出最具判别性的小波子带，并以此重新训练我们的 DNN，从而在对待测图像进行推断时实现变形图像的精确检测。我们通过在三个面部变形图像数据库（即 VISAPP17、LMA 和 MorGAN）上的实验，验证了由结构化组 lasso 增强的深度变形检测器的有效性。
引用
@article{arxiv.2111.14943,
title = {Morph Detection Enhanced by Structured Group Sparsity},
author = {Poorya Aghdaie and Baaria Chaudhary and Sobhan Soleymani and Jeremy Dawson and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2111.14943},
year = {2021}
}