![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
活体检测
一位不愿暴露自己的小可爱
把时间分给睡眠
分给书籍
分给运动
分给花鸟树木和山川湖海
分给你对这个世界的热爱
当你开始做时间的主人
你会感受到平淡生活中
喷涌而出的平静的力量
要永远年轻,永远热爱
展开
-
模型分类结果都分到一类
在做活体检测的时候,出现这样的结果,4000张假脸全部认为是真脸,非常不合理,理论上二分类就算是瞎猜也应该有0.5的概率判断是对的,出现这种可能的原因是样本不均衡,但我的不属于这种,最后的原因是测试时候的预处理和模型训练中不一样,更改后结果正确。注意维度、图片的预处理、还有图片读入的方式,模型训练中用的 Image.open 读入的图片,而我的离线测试代码中用的cv2.imread(), 还有ndarray转换为tensor的方法都应与训练时保持一致。def preprocess(image):原创 2020-10-12 19:25:56 · 5686 阅读 · 0 评论 -
Searching Central Differene Convolutional Networks for Face Anti-Spoofing随笔
一.简介论文里说相对与普通的卷积方法,CDC(Central Difference Convolution)中心差分卷积更能够提取攻击模式下固有的特征,例如晶格伪影在不同的环境变化下,文章的主要工作有:(1)设计了一种新的卷积算子叫中心差分卷积(CDC)对于FAS任务,由于其对不同环境下不变的细粒度特征具有显著的表示能力。在不引入任何额外参数的情况下,CDC可以代替普通的卷积,直接将原来的卷积模块替换为中心差分卷积,网络的鲁棒性会更强。CDC致力于在不增加任何参数的情况下增强丰富的细节特征表示能力。原创 2020-08-27 18:13:16 · 1257 阅读 · 1 评论