Jul, 2020

利用多通道卷积神经网络学习人脸呈现攻击检测的单类表示

PDF
TL;DR本文提出了一种基于多通道卷积神经网络的一类分类器方法，其中引入了一种新的损失函数，通过一类高斯混合模型实现面部认证攻击检测，该方法的实验结果表明具有较高的泛化能力。
face recognitionpresentation attack detectionmulti-channel convolutional neural networkone-class classifiergaussian mixture model
发现论文，激发创造
  • 基于多通道卷积神经网络的生物特征面部呈现攻击检测

    本研究提出了一种基于多通道卷积神经网络的面部攻击检测方法，以解决面部生物识别在非监督应用中易受攻击的问题，并引入了新的宽多通道演示攻击数据库用于面部演示攻击研究。研究结果表明该方法优于现有特征提取方法，能够在 WMCA 数据库上实现 0.3% 的 ACER 性能，并已开放该数据库和相关软件供公共使用。

    Sep, 2019

  • 一种紧凑型深度学习模型用于人脸欺骗检测

    本文采用宽与深特征融合的神经网络结构来解决假攻击检测问题，并在多个数据集上进行了实验验证。

    Jan, 2021

  • 可学习的多级频率分解和分层注意力机制用于广义人脸攻击检测

    提出一种双流卷积神经网络框架，其中一流在频域中适应四个可学习频率滤波器来学习特征，另一流利用 RGB 图像来补充频域特征，通过分层注意力模块进行信息融合，提升面部呈现攻击检测方法的泛化能力。

    Sep, 2021

  • FRT-PAD：基于人脸相关任务驱动的有效呈现攻击检测

    该论文介绍了一种利用人脸相关任务先验知识来提高 Presentation Attack Detection (PAD) 的泛化能力的方法，该方法包括引入人脸相关任务的特征、设计跨模态适配器以重新映射特征并使用卷积神经网络 (CNN) -basaed PA 检测器的分层特征和重新映射特征来实现 PAD。实验结果表明，该方法在复杂和混合数据集上表现显着优于现有技术。

    Nov, 2021

  • 面部展示攻击检测的深度像素二元监督

    本文提出了一种卷积神经网络的框架，用于检测面部识别中的展示攻击，该框架使用像素级监督的深度学习技术，可以使用帧级别信息进行部署，适用于在智能设备中的部署，该方法在公共数据集上验证有效性，并在多项实验中超过当前最先进的方法。

    Jul, 2019

  • RGBD 人脸反欺诈的跨模态焦点损失

    本研究提出了一种采用 RGB 和深度通道的新框架，结合一种新的损失函数用于检测人脸识别中的攻击，通过多通道提取信息，减小过拟合的影响并提高鲁棒性。新的跨模态焦点损失函数通过基于信道的置信度来调制每个信道的损失贡献，通过两个公开的数据集进行广泛评估，证明了该方法的有效性。

    Mar, 2021

  • Flickr-PAD: 新面孔高分辨率演示攻击检测数据库

    本研究提出了一种基于 Flickr 图像的新型 PAD 数据库：Flickr-PAD，利用该数据库进行训练和评估可以得到比现有算法更好的结果，该方法使用了 MobileNet-V3 和 EfficientNet-B0 模型， BPCER10 为 7.08％，BPCER20 为 11.15％。

    Apr, 2023

  • 多域解缠表示学习的跨域人脸攻击检测

    提出了一种用于跨域人脸展示攻击检测的高效解耦表征学习方法：DR-Net 和 MD-Net。实验表明，该方法有效解决了传统方法中因训练集主体特征过拟合而导致无法很好地泛化到未知情景的问题。

    Apr, 2020

  • 学习通用和身份鉴别的面部防欺诈表示

    该论文提出了一种基于 CNN 的面部反欺骗检测方法，使用总成对混淆（TPC）损失和快速域适应（FDA）组件来提高泛化性能和适用性，同时进行面部反欺骗和面部识别的多任务学习。实验结果表明，该模型在面部反欺骗方面优于之前的方法，并很好地保留了输入面部图像的身份信息。

    Jan, 2019

  • VoxAtnNet: 面部展示攻击的通用三维点云卷积神经网络

    提出了一种基于 3D 点云的新型演示攻击检测算法 VoxAtnNet，用于侦测手机上的面部演示攻击。通过处理 3D 点云获取体素化的方式，以保留空间结构，然后使用新型卷积注意力网络对体素化的 3D 样本进行训练，实验结果表明该方法在检测已知和未知面部演示攻击的性能方面有所提升。

    Apr, 2024