基于域泛化的鲁棒集成形变检测
计算机视觉与模式识别
2022-09-20 v1
摘要
尽管大量研究致力于形变检测，其中多数未能泛化至训练范式之外的形变人脸。此外，近期形变检测方法对对抗攻击高度脆弱。本文旨在学习一个对广泛形变攻击具有高泛化性、且对不同对抗攻击具有高鲁棒性的形变检测模型。为此，我们开发了卷积神经网络（CNN）与 Transformer 模型的集成以同时利用其能力。为提升集成模型的鲁棒精度，我们采用多扰动对抗训练，并为若干单一模型生成高迁移性的对抗样本。我们详尽的评估表明，所提鲁棒集成模型可泛化至多种形变攻击与人脸数据集。此外，我们验证了鲁棒集成模型在若干对抗攻击下获得更好鲁棒性，同时优于当前最优研究。
引用
@article{arxiv.2209.08130,
title = {Robust Ensemble Morph Detection with Domain Generalization},
author = {Hossein Kashiani and Shoaib Meraj Sami and Sobhan Soleymani and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2209.08130},
year = {2022}
}
备注
Accepted in IJCB 2022