面向虹膜呈现攻击检测的单域动态泛化
计算机视觉与模式识别
2023-05-23 v1
摘要
虹膜呈现攻击检测（PAD）在域内设定下已取得巨大成功，但在未见域上易退化。传统的域泛化方法通过学习的域不变特征来缩小差距。然而，它们忽略了域特定特征中的判别信息。此外，我们通常面临更现实的场景：仅有一个单域可用于训练。为解决上述问题，我们提出单域动态泛化（SDDG）框架，该框架在逐样本基础上同时利用域不变与域特定特征，并学习利用大量自然图像泛化至各种未见域。具体而言，设计了一个动态块以通过动态适配器自适应调整网络。并进一步结合信息最大化损失以增加多样性。整个网络被整合进元学习范式。我们生成振幅扰动图像并利用自然图像覆盖多样域。因此，网络可学习在元测试阶段泛化至扰动域。大量实验表明所提方法有效，并在 LivDet-Iris 2017 数据集上优于最先进方法。
引用
@article{arxiv.2305.12800,
title = {Single Domain Dynamic Generalization for Iris Presentation Attack Detection},
author = {Yachun Li and Jingjing Wang and Yuhui Chen and Di Xie and Shiliang Pu},
journal= {arXiv preprint arXiv:2305.12800},
year = {2023}
}
备注
ICASSP 2023 Camera Ready