Learning Temporal Features Using LSTM-CNN Architecture for Face Anti-spoofifing
标签: 论文
anti-spooing
论文出处: 2015 3rd IAPR Asian Conference on Pattern Recognition
本文提出的方法
本文的贡献有,使用了端到端的网络进行欺诈检测,提出了LSTM-CNN结构,并且实验得出图片背景信息的有效性。
本文的CNN结构(两层CNN,文中给出了详细的卷积核情况),输入的是一帧帧的人脸,人脸使用opencv中的Viola-Jones提取:
LSTM-CNN结构,输入是多个经过CNN提取,并且经过FC的特征,因为LSTM可以提取时间信息,所以输入就是一个视频中的经过特征提取的多帧。
除此之外,还验证了不同面部占比(可以突出背景信息)的作用(在[19]中也有该方法)。
收获
1、时间信息可以用LSTM获取
参考文献重点摘录可作为以后读
视频分类的
[15] J. Y.-H. Ng, M. Hausknecht, S. Vijayanarasimhan, O. Vinyals, R. Monga, and G. Toderici. Beyond short snippets: Deep networks for video classifification. arXiv preprint arXiv:1503.08909, 2015. 2, 3
欢迎大家关注我的微信公众号,未来上面会推送python
机器学习
算法学习
深度学习
论文阅读
以及偶尔的小鸡汤
等内容。ようこそいらっしゃい!