面向掩码人脸呈现攻击检测的部分攻击监督与区域加权推断
计算机视觉与模式识别
2021-11-09 v1
摘要
佩戴口罩已被证明是防止 SARS-CoV-2 冠状病毒传播最有效的方式之一。然而，佩戴口罩给不同的人脸识别任务带来挑战，并引发对掩码人脸呈现检测（PAD）性能的担忧。掩码人脸 PAD 面临的主要问题是被错误分类的真实掩码人脸，以及被错误分类的部分攻击（被真实口罩遮盖）。本工作通过提出一种方法来解决这些问题：该方法考虑部分攻击标签以监督 PAD 模型训练，并利用区域加权推断通过变化对不同面部区域的关注来进一步提升 PAD 性能。我们提出的方法不直接依赖于特定网络架构，因此可直接嵌入任何通用或自定义设计的网络。工作中选用两个神经网络（DeepPixBis 和 MixFaceNet）作为骨干。实验在协作真实口罩攻击（CRMA）数据库上展示。我们提出的方法在 CRMA 数据库上优于已有的 PAD 方法，减少了面对掩码人脸时的上述缺陷。此外，我们给出了详细的逐步消融研究，指出了所提概念在整体 PAD 性能上的独立与联合增益。
引用
@article{arxiv.2111.04336,
title = {Partial Attack Supervision and Regional Weighted Inference for Masked Face Presentation Attack Detection},
author = {Meiling Fang and Fadi Boutros and Arjan Kuijper and Naser Damer},
journal= {arXiv preprint arXiv:2111.04336},
year = {2021}
}
备注
Accepted at the 16th IEEE International Conference on Automatic Face and Gesture Recognition, FG 2021