加入极市专业CV交流群,与6000+来自腾讯,华为,百度,北大,清华,中科院等名企名校视觉开发者互动交流!更有机会与李开复老师等大牛群内互动!
同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总,行业技术交流。关注极市平台公众号,回复加群,立刻申请入群~
来源:知乎
链接:https://zhuanlan.zhihu.com/p/69542283
本文经作者授权转载,未经允许,不得二次转载
赛事简介
ChaLearn Face Anti-spoofing Attack Detection Challenge@CVPR2019:
CVPR2019的workshop,此次比赛项目是人脸防欺诈攻击检测。
人脸防欺诈攻击检测,主要是帮助人脸识别系统判断被采集人脸是用户本人脸部,还是打印的照片,录制的视频,3D面具等伪造物,所以也叫活体检测。这项技术对于手机解锁,门禁控制,刷脸支付的安全性是至关重要的。
从技术发展上,人脸防欺诈检测可以简单地分为两大类:传统的人工特征模式识别方法和近几年兴起的CNN深度学习方法。通过在几个通用数据集上的测试,目前,深度学习方法在识别准确性上对传统方法已成碾压态势。本次比赛中,也很难见到传统方法的身影。
衡量指标
衡量人脸识别算法性能的优劣有很多不同的标准,比如FAR,FRR,TAR等,这次比赛主要依据的是TPR@10e-4 FPR作为衡量标准。
TPR (True Positive Rate)真正类率,又叫真阳率,代表预测是异常实际也是异常的样本数,占实际总异常数的比例——数值越大,性能越好:
FPR (False Positive Rate)假正类率,又叫假阳率,代表预测是异常但实际是正常的样本数,占实际正常总数的比例——数值越小,性能越好:
TPR@10e-4 FPR即为当FPR为10e-4时候的TPR的数值,之所以采用这种形式是因为在不同的FPR下度量的TPR是会不同的。
这个数值越大,说明算法性能越好。
比赛数据集
此次比赛的数据集是CASIA-SURF,这是中科院自动化所推出的数据集,包含了1000个个体样本的21000段视频。采集设备是英特尔的RealSense SR300立体相机,同时采集了RGB,红外图,和深度图。数据集按3:1:6的比例分成了训练、开发、测试三个子集。大赛为了检验参赛模型有足够泛化能力,训练集只给了一部分。
Top3团队及参赛模型介绍
Top3的团队在美国长滩岛CVPR2019 Worshop上做了技术分享。全部成绩信息:
注:比赛分为多个阶段,本文采用的结果为最终被CVPR2019接受的时间点的结果。
冠军:Visionlabs -俄罗斯明星面部识别初创公司
VisionLabs是俄罗斯的一家专注于人脸识别、物体识别、增强现实和虚拟现实的公司,是全球视觉识别市场的领导者。
这家公司充分发挥了战斗民族的数学天赋(雪地里能格斗