面向指纹呈现攻击检测的显著性引导训练

显著性引导训练将模型学习导向图像的重要区域，已在各种生物特征呈现攻击检测（PAD）任务中展现出泛化能力的提升。本文介绍了其在指纹PAD上的首次应用。我们进行了一项50名参与者的研究，创建了一个包含800张人工标注的指纹感知重要图的数据集，并与算法生成的“伪显著性”图（包括基于细节点、基于图像质量和基于自编码器的显著性图）一起进行了探索。在2021年指纹活体检测竞赛测试集上进行评估，我们探索了五种不同训练场景中的各种配置，以评估显著性引导训练对准确性和泛化能力的影响。我们的发现证明了显著性引导训练在有限和大量数据背景下对指纹PAD的有效性，并且我们提出了一种能够在LivDet-2021基准上获得第一名的配置。我们的结果突显了显著性引导训练在提升模型泛化能力方面的前景、其在数据有限时的有效性，以及其在指纹PAD中扩展到更大数据集的潜力。所有收集的显著性数据和训练好的模型随本文发布，以支持可重复研究。