用于人脸呈现攻击检测的一类知识蒸馏
计算机视觉与模式识别
2022-05-10 v1
摘要
人脸呈现攻击检测（PAD）已被研究界广泛研究以增强人脸识别系统的安全性。尽管现有方法在具有与训练数据相似分布的测试数据上取得了良好性能，但在具有未见分布数据的应用场景中其性能严重下降。在训练与测试数据来自不同域的情况下，典型方法是应用域适应技术以借助目标域数据提升人脸PAD性能。然而，在目标域中收集足够的样本（尤其是攻击样本）一直是一个不小的挑战。本文引入了一种师生框架，通过一类域适应来提升人脸PAD的跨域性能。除源域数据外，该框架仅利用目标域的少量真实人脸样本。在此框架下，教师网络使用源域样本训练，为人脸PAD提供有判别力的特征表示。学生网络被训练以模仿教师网络，并为目标域的真实人脸样本学习相似的表示。在测试阶段，教师网络与学生网络表示之间的相似度得分被用于区分攻击样本与真实样本。为在一类域适应设定下评估所提框架，我们设计了两种新协议并进行了大量实验。实验结果表明，我们的方法在一类域适应设定下优于基线，甚至优于具有无监督域适应的最先进方法。
引用
@article{arxiv.2205.03792,
title = {One-Class Knowledge Distillation for Face Presentation Attack Detection},
author = {Zhi Li and Rizhao Cai and Haoliang Li and Kwok-Yan Lam and Yongjian Hu and Alex C. Kot},
journal= {arXiv preprint arXiv:2205.03792},
year = {2022}
}