论文笔记-Searching Central Difference Convolutional Networks for Face Anti-Spoofing

Hello 今天是论文阅读计划的第10天啦，转眼就过去三分之一啦～

接下来的论文笔记，我不会再局限于基于骨架的人体动作识别这块啦，会开始了解和学习下其他方向的论文。目前主要来源是CVPR2020的论文，我会找一些我比较感兴趣的论文来解读～今早已经下载了10多篇，就觉得这样还挺好的挺有趣的。

今天为大家介绍一篇人脸活体检测的论文，貌似也叫人脸反欺骗（Face Anti-Spoofing, FAS）,那就一起来了解了解吧～

一、题目关键词解读

Searching：应该是使用了NAS相关的技术
Central Difference Convolution Networks: 中心差分卷积网络(CDCN)，第一次听，还不知道是什么

二、研究背景

人脸反欺骗在人脸识别系统中起着至关重要的作用。大多数最先进的FAS方法都有如下的不足：

• 依赖于堆叠卷积和专家设计的网络，这在描述详细的细粒度信息方面很弱，并且当环境变化时(例如，不同的照明)很容易无效。
• 更喜欢使用长序列作为输入来提取动态特征，使得它们难以部署到需要快速响应的场景中。

三、研究目标 & 内容

目标：改进上述提到的不足。

内容：作者提出了一种新的基于中心差分卷积的帧级融合方法，该方法能够通过聚集强度和梯度信息来捕获三分之一的细节模式。用中心差分卷积网络(CDCN)构建的网络比用普通卷积构建的网络具有更强的建模能力。此外，在专门设计的CDC搜索空间上，利用NAS发现更强大的网络结构(CDCN