Mar, 2024

基于额纹的时空网络的用户验证：FH-SSTNet

PDF
TL;DR通过学习 3D 时空卷积，创建额头图案的详细图片，我们提出了一种新的 CNN 模型：额头时空卷积网络（FH-SSTNet），利用三元损失来提取区分性特征，并利用 Arcloss 提高模型的鉴别能力。在包含 247 个独特主题的额头皱纹版本 1（FH-V1）数据集上的实验结果表明，与现有方法和预训练的 ResNet50 等 CNN 相比，FH-SSTNet 表现出卓越的性能，特别适用于基于额头的用户验证。结果证实了 FH-SSTNet 在身份认证方面的有效性。
biometric authenticationforehead patterns3d spatio-spatial temporal convolutioncnn modelfh-sstnet
发现论文，激发创造
  • 基于深度学习的时空面部特征视觉语音识别

    本研究提出了一种利用面部识别和语言时的面部特征运动的身份验证过程，该过程不受语言限制且在低资源计算环境中具有 96.1% 准确率的表现。

    Apr, 2023

  • 基于浅层三重流的三维卷积神经网络（STSTNet）用于微表情识别

    本文介绍了一种名为 STSTNet 的深度神经网络，它从三个光流特征中学习以识别面部微表情，通过实验结果表明，该网络可以提高有效性并获得更高的精度。

    Feb, 2019

  • 面部防欺诈的深度频繁空时学习

    本研究提出了一种基于二流 FreqSaptialTemporalNet 的人脸反欺诈新方法，通过融合多种信息来提高性能并采用频谱图像作为一个输入流，以实现自动发现真假视频之间的主要差异。同时，利用适当的数据增强方法以解决数据不足的问题。

    Jan, 2020

  • 卷积神经网络在人脸反欺诈中的性能评估

    本文通过基于卷积神经网络的 Inception 和 ResNet 模型在 MSU Mobile Face Spoofing 数据库上的表现，研究了如何应用这些深度学习算法实现面部反欺骗的生物特征访问控制。

    May, 2018

  • 学习卷积神经网络进行人脸反欺骗

    本研究采用深度卷积神经网络（CNN）学习特征，在经过数据预处理后，能够大幅提高面部防欺诈性能，使得在 CASIA 和 REPLAY-ATTACK 数据集中相对错误率降低超过 70％，同时在两个数据集之间的交叉测试中，实验结果表明 CNN 能够获得更好的泛化能力，使用两个数据集的组合数据训练的网络在两个数据集之间具有更少的偏差。

    Aug, 2014

  • 基于分解时空卷积网络的人类动作识别

    本文提出了一种名为 FstCN 的新型 3D 深度架构，能够有效处理人类行为三维动态序列信号，并且利用转换和排列操作，将原始的三维卷积核学习分解为一系列二维和一维卷积核学习过程，同时提出了基于视频片段采样的有效训练和推断策略，在 UCF-101 和 HMDB-51 数据集上的表现比传统 CNN 方法更好，与最近一种利用辅助训练视频的方法相当。

    Oct, 2015

  • 深度时空外观 - 几何网络用于面部表情识别

    本文介绍了一种使用深度学习技术自动提取面部表情识别所需信息特征的方法，通过两个不同的深度学习模型使得我们在 CK + 和 Oulu-CASIA 数据库上，获得了优于其他现有方法的性能表现。

    Mar, 2015

  • 基于卷积神经网络和条件随机场的时空面部表情识别

    本文提出了一种基于深度卷积神经网络和条件随机场模型的视频面部表情识别方法，该模型从面部图像中提取空间信息和视频帧之间的时间关系，并在三个公共数据库上进行了实验证明，该模型在跨数据库实验中表现出色，并在主体独立实验中获得与现有模型相当的成果。

    Mar, 2017

  • DeepVisage：简单却具有强大的泛化能力的人脸识别技术

    本文提出并实现了一种基于单个卷积神经网络的人脸识别方法，使用残差学习框架和归一化特征计算损失，实验证明在不同数据集上具有较好的泛化性能。

    Mar, 2017

  • 超图表示在人脸防伪中的探索：超越 2D 攻击

    本文提出一种基于 Hypergraph 卷积神经网络 (HGCNN) 的 3D 人脸防假攻击方法，该方法利用构建的超图表示进行特征提取，在深度辅助下实现 3D 假面防护，并构建 3D 人脸攻击数据库进行验证，实验表明该方法在各类测评中均达到了最新的防御水平。

    Nov, 2018