| 基于深度特征增广的跨域小样本人脸欺诈检测算法 |
| |
| 引用本文： | 孙文赟,金忠,赵海涛,陈昌盛.基于深度特征增广的跨域小样本人脸欺诈检测算法[J].计算机科学,2021,48(2):330-336. |
| |
| 作者姓名： | 孙文赟 金忠 赵海涛 陈昌盛 |
| |
| 作者单位： | 深圳大学电子与信息工程学院 深圳市媒体信息内容安全重点实验室 广东 深圳 518060;南京理工大学计算机科学与工程学院高维信息智能感知与系统教育部重点实验室 南京 210094;华东理工大学信息科学与工程学院 上海 200237;深圳大学电子与信息工程学院 深圳市媒体信息内容安全重点实验室 广东 深圳 518060 |
| |
| 基金项目： | 中国博士后科学基金面上项目;广东省自然科学基金;国家重点基础研究发展计划;国家自然科学基金;深圳市基础研究自由探索项目 |
| |
| 摘 要： | 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增广的域自适应层,提出了一种基于深度特征增广的跨域小样本人脸欺诈检测算法.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增广,来适配源域和目标域的差异,随后根据增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-NPU 3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、不同相机等跨域情况下的性能.实验表明,基准FCN人脸欺诈检测算法已经能够达到较好的性能,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+Replay-Attack测试的HTER指标从27.31％降至11.23％,Replay-Attack训练+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增广的跨域小样本人脸欺诈检测算法的有效性.
|
| 关 键 词： | 模式识别 系统安全 人脸图像分析 人脸欺诈检测 深度学习 |
Cross-domain Few-shot Face Spoofing Detection Method Based on Deep Feature Augmentation |
| |
| SUN Wen-yun,JIN Zhong,ZHAO Hai-tao,CHEN Chang-sheng.Cross-domain Few-shot Face Spoofing Detection Method Based on Deep Feature Augmentation[J].Computer Science,2021,48(2):330-336. |
| |
| Authors: | SUN Wen-yun JIN Zhong ZHAO Hai-tao CHEN Chang-sheng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
