资料下载
基于深度学习的跨域小样本人脸欺诈检测算法
分享资料个
随着人脸识别技术的发展，人脸欺诈攻击已经成为一项实际的安全问题，人脸欺诈检测算法用于及早发现该类攻击保护系统安全。文中将一种经典域自适应算法扩展到深度神经网络中，首先定义了基于深度特征増广的域自适应层，提出种基于深度特征増广的跨堿小样夲人脸欺诈检测算法。该算法在已有的基于全卷积神经网络的人脸欺诈检测深度神经网络的中部嵌入域自适应层将卷积特征图増广，来适配源域和目标堿的差异，随后根据増广后的特征图进行像素级分类，最后将像素级概率图从空间上融合为帧级决策。文中在 CASIA-FASD， Replay-attack和OULU-NPU3个数据集和6个常见测评协议（2个 CASIA-FASD与 Replay- Attack跨库协议和4个OULU-NPU标准协议）下进行实验，验证了算法在不同背景、不同攻击设备、不同相机等跨堿情况下的性能。实验表明，基准rCN人脸欺诈裣测算法已经能够达到较妤的性能，在此基础上，借助小样本目标域数据学习域自适应模型，可进一步显著提升性能，将错误率减半（ CASIA-FASD训练十 Replay- Attack测试的HTER指标从27.31%降至11.23%， Replay- Attack训练十 CASIA-FASD测试的HTER指标从37.33%降至21.83%，OULU-NPU标准协议Ⅳ的ACER指标从9.45%降至5.56%），实验结果验证了基于深度特征増广的跨域小样本人脸欺诈检测算法的有效性。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
