- 一种用于出勤监测的嵌入式智能系统
本文提出了一种智能嵌入式系统，用于监测课堂出勤情况并将出勤名单发送到远程计算机。该系统由两部分组成：用于人脸识别的嵌入式设备（装备有树莓派和摄像头）和用于出勤管理的 Web 应用程序。该解决方案考虑到了不同的挑战：树莓派的资源有限、需调整人 - 数字化的迈进：使用人脸识别技术寻找失踪人员的安全方法
利用人脸识别技术在数字平台上解决了找寻失踪人员的常见问题，具有安全性和可行性特点。
- 测试唐氏综合症患者人脸识别的性能
本研究探讨了面部识别算法在唐氏综合症患者身上的表现，结果显示唐氏综合症患者的面部识别性能下降，主要原因是出现了更多的错误匹配。
- 基于最大均值差异正则化的公平性研究在逻辑空间中
通过对输出 logits 施加最大均值差异约束条件，我们提出了一种新颖的框架 Logits-MMD，来实现高风险机器学习应用（如医疗和面部识别）中的公平性条件，并通过定量分析和实验结果表明，我们的框架优于以往方法，在两个面部识别数据集和一个 - CamPro：基于摄像头的反人脸识别
通过 CamPro 技术，我们可以捕捉无人脸识别信息的图像，从而保护个人隐私并在非敏感的视觉应用中保持图像质量，并且经验证对黑盒人脸识别模型具有有效性。
- 法医面部识别评估
最近机器学习和计算机视觉的进展使得人脸识别的准确率超越了人类表现。然而，我们质疑这些系统在真实的法庭鉴定情景中是否能够有效应用，因为在这种情景下，图像往往是低分辨率、低质量且被部分遮挡。本研究构建了一个大规模的合成人脸数据集，并创建了一个控 - 基于图卷积神经网络和多头注意力机制的年龄估计
年龄估计技术是人脸识别的一部分，通过对游戏中的用户进行身份验证，实现了青少年防沉迷系统的开发和应用。本文提出了一种新的建模思想，使用图卷积网络（GCN）从非规则人脸图像中有效地提取特征，并添加了多头注意力机制以避免冗余特征并捕获图像中的关键 - 教育中的课堂出勤系统基于深度学习方法
在这项研究中，使用了深度学习方法进行图像处理，设计并成功实施了一项能够通过图像识别对学生进出校门记录并进行课堂考勤的创新研究，该研究将在 2022-2023 学年在一所学校进行实际应用。
- 基于 GAN 的高效图像修复算法
COVID-19 全球大流行对人脸识别带来了新的挑战，掩面的现象出现后，作者考虑利用图像修复中的机器学习方法来解决这个问题，并通过生成对抗网络（GAN）的生成能力和 autoencoder 的潜力，实现对原本被口罩遮挡的部分进行完整性修复。
- Adversarial Patch 的生成与应用：基于注意力引导特征融合的自然与可迁移性
通过 Adv-Inpainting 框架生成更具迁移性和视觉质量的自然对抗性贴片，从而改进了先前的对抗性贴片攻击方法。
- 面部视频隐私保护型心率远程估计
本文提出了一种数据扰动的方法，通过提取少量含有身份相关信息的面部区域进行像素洗牌和模糊处理来解决 Remote Photoplethysmography 数据的隐私问题，实验表明该方法可将面部识别算法的准确性降低 60%，而对 rPPG 提 - DiffProtect：使用扩散模型生成对抗样本以实现面部隐私保护
利用扩散自编码器生成的加密人脸图像，提高了对抗攻击的成功率并提升了视觉质量。
- 基于属性引导的人脸纹理掩码加密
本文提出了一种名为 “AGE-FTM” 的算法，在保证高攻击成功率的同时实现了良好的可视化质量，它利用的是 GAN 来生成与面部属性修改后的空间一致的对手样本，并使用面部纹理掩蔽攻击来生成微不可见的不在空间内的对手样本，实验结果证明在面部识 - 利用已有的偏置 StyleGAN2 进行零样本平衡种族数据集生成
该论文提出利用深层学习方式进行人脸识别，通过生成对抗网络 GAN 生成虚拟多样的人脸数据集，以减小数据集的偏差对模型预测性能的影响。
- 对抗图像篡改分析
本文研究了简单易用的图像处理技术如何影响面部识别软件通过一个唯一的图像来识别一个人的各种面部图像，以应对随着虚拟和物理身份日益交织在一起，隐私和安全在在线领域中的重要性变得日益重要的情形。
- 面部识别中的种族偏见：一项调查
该研究对人脸识别的种族偏见问题进行了全面而系统的研究，主要了解了人脸识别处理流程中涉及的影响偏见的各个方面与阶段，包括图像获取、脸部定位、脸部表示、脸部验证和识别等。同时，研究也指出了当前减少种族偏见的策略在将来的商业应用和研究中需要被考虑 - 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。
- Paired-Logits 逆向攻击恢复图像的 FedMD 破解
本文介绍了一种名为 FedMD 的联合学习方案，使用模型蒸馏来保证隐私性，而不是直接共享模型参数。然而，我们发现即使是共享公共数据集的输出日志比直接共享渐变更为安全，但仍然存在数据曝光的风险。作者研究表明，恶意服务器可以利用 PLI 攻击 - 引入建构理论作为包容性人工智能模型的标准方法论
研究探讨了社会心理学中的构造理论如何应用于人工智能领域，针对面部识别算法中的性别和肤色偏见提出了基于表型标记的解决方案，并在 Google Cloud Vision API 和 Microsoft Cognitive Services AP - 面部识别系统数据审计
本文提出了一种成员推理的面部审核工具 FACE-AUDITOR，可以在不影响人脸识别模型实用性的情况下，更好地保护用户隐私。实验表明，FACE-AUDITOR 可以实现高达 99% 的审核准确性，并且对一些干扰机制具有较强的鲁棒性。