阅读笔记
文章平均质量分 81
Jennifer_msn
这个作者很懒,什么都没留下…
展开
-
2020百度-Learning Generalized Spoof Cues for Face Anti-spoofing 学习笔记
人脸欺骗检测论文阅读原创 2022-10-17 11:31:17 · 426 阅读 · 0 评论 -
2020-基于质量的多模态生物识别系统自适应分数融合方法
2020,Applied Intelligence,Quality based adaptive score fusion approach for multimodal biometric system3.2基于质量的自适应分数融合提出一种基于可靠性因子α的自适应分数水平融合方法,该方法根据输入特征的质量对每个模态赋予不同的优先级,实现了对单个分类器得分的激励和抑制,使其在动态环境中具有自适应性,对欺骗攻击具有较强的鲁棒性。在动态环境下采集的生物测定图像样本可能包含额外的附加噪声。原创 2022-01-19 10:44:55 · 2341 阅读 · 0 评论 -
2021CVPR-单中心损失监督的频率感知判别特征学习用于人脸伪造检测
Frequency-aware Discriminative Feature Learning Supervised by Single-Center Loss for Face Forgery Detection摘要:由于面部操纵技术引起了严重的担忧,面部伪造检测引起了人们对计算机视觉的日益增长的兴趣。尽管最近的工作取得了不错的成绩,但仍然存在不可忽视的问题:a)由 softmax loss 监督的学习特征是可分离的,但判别力不够,因为 softmax loss 没有明确鼓励类内紧凑性和类间可分离性;原创 2022-01-18 16:32:11 · 693 阅读 · 0 评论 -
2020TIFS-一种生成多模态可取消生物特征模板的自适应加权图方法
Adaptive Weighted Graph Approach to Generate Multimodal Cancelable Biometric Templates2020年,TIFS,CCF A刊,原文地址:Adaptive Weighted Graph Approach to Generate Multimodal Cancelable Biometric Templates | IEEE Journals & Magazine | IEEE Xplorehttps://ieeexp原创 2022-01-15 22:06:44 · 577 阅读 · 0 评论 -
多模态生物特征识别文章略读
2021,SN Computer Science,A Contemporary Survey of Multimodal Presentation Attack Detection Techniques: Challenges and Opportunities摘要:生物特征识别是一个广泛而动态的研究领域,但该领域的主要问题是欺骗攻击或表示攻击“用假的生物特征代替原始用户的真实生物特征样本”。活性检测是对抗欺骗攻击的主要手段,其原理是通过标准的验证系统获取一些附加信息来验证生成的数据是否真实。它利用..原创 2022-01-10 13:11:19 · 2642 阅读 · 0 评论 -
2020CVPR-面向人脸反欺骗的单边域泛化
2020CVPR,Single-Side Domain Generalization for Face Anti-Spoofing,中科院,有源代码文章链接:Single-Side Domain Generalization for Face Anti-Spoofing (thecvf.com)https://openaccess.thecvf.com/content_CVPR_2020/papers/Jia_Single-Side_Domain_Generalization_for_Face_Anti原创 2022-01-06 22:01:59 · 3129 阅读 · 1 评论 -
2020-用多通道卷积神经网络学习单类特征用于人脸表现攻击检测
2020年,Anjith George等人,期刊:TIFS,CCFA刊,Learning One Class Representations for Face Presentation Attack Detection Using Multi-Channel Convolutional Neural Networks摘要:人脸识别已经发展成为一种广泛使用的生物识别模式。然而,它对于演示攻击的脆弱性构成了严重的安全威胁。虽然表示攻击检测(pad)方法试图解决这个问题,但它们常常无法对未见的攻击进行泛化。原创 2021-11-01 17:13:19 · 2381 阅读 · 0 评论 -
2020CVPR-Searching Central Difference Convolutional Networks for Face Anti-Spoofing
论文代码已开源:https://github.com/ZitongYu/CDCN目前方法存在的问题:1、依赖于堆叠卷积的专家设计的网络,在描述详细的细粒度信息方面很弱,并且在环境变化时容易失效,如照明差异2、使用长序列作为输入提取动态特征,不适用于需快速响应的场景中。本文提出的方法:提出基于中央差分卷积(CDC)的新型帧级FAS方法,通过聚合强度和梯度信息来捕获内在的详细模式。使用CDC构建的网络称为中央差分卷积网络(CDCN),与普通卷积网络对比,它能够提供更强大的建模能力。此外,原创 2021-09-01 19:29:44 · 1233 阅读 · 0 评论 -
2021CVPR-Multi-attentional Deepfake Detection
多空间注意深度伪造监测来自中国科学技术大学,微软云AI摘要:Deepfake 伪造人脸在互联网上广泛传播,并引起了严重的社会关注。近年来,如何检测此类伪造内容已成为研究热点,并提出了许多深度伪造检测方法。他们中的大多数将 deepfake 检测建模为一个普通的二元分类问题,即首先使用主干网络提取全局特征,然后将其输入到二元分类器(真/假)中。但由于此任务中真假图像之间的差异通常是细微的和局部的,我们认为这种普通的解决方案不是最佳的。在本文中,我们将 deepfake 检测表述为细粒度分类问题,并提出原创 2021-08-25 19:29:53 · 1379 阅读 · 0 评论 -
2021CVPR-Cross Modal Focal Loss for RGBD Face Anti-Spoofing
用于RGBD人脸反欺骗的交叉模式焦损摘要:自动检测呈现攻击的方法对于确保面部识别技术的可靠使用至关重要。文献中提供的大多数用于呈现攻击检测(PAD)的方法都无法将其推广到看不见的攻击。近年来,人们提出了多通道方法来提高PAD系统的鲁棒性。通常,只有有限数量的数据可用于附加通道,这限制了这些方法的有效性。在这项工作中,我们提出了一种新的PAD框架,它使用了RGB和深度通道,并引入了一种新的损耗函数。新的架构使用了来自两种模式的互补信息,同时减少了过度拟合的影响。本质上,提出了一种跨模式焦点损失函数,将每个原创 2021-08-20 09:26:01 · 900 阅读 · 0 评论 -
2020ICPR-化妆演示攻击
面部化妆品会在很大程度上改变面部,影响面部识别。化妆应用可以被滥用来发起所谓的化妆呈现攻击(makeup presentation attacks)。在这类攻击中,攻击者可能会浓妆艳抹,以达到模仿目标对象的面部外观的目的。在这项工作中,我们使用公开可用的Makeup Induced Face Spoofing(MIFS)数据库评估了COTS人脸识别系统对伪装演示攻击的脆弱性。研究表明,化妆呈现攻击可能严重影响人脸识别系统的安全性。此外,我们提出了一种攻击检测方案,该方案通过分析潜在的化妆呈现攻击和对应的原创 2021-08-18 09:32:27 · 656 阅读 · 1 评论