本文提出了一种双通道CNN网络用于人脸防伪，包括局部Patch-Based CNN和全卷积Depth-Based CNN，结合两种网络的输出进行融合判断。论文使用CASIA-FASD、MSU-USSA和Replay Attack数据集进行实验，展示了网络对活体和伪人脸的有效分类。
2. Face Anti-Spoofing Using Patch and Depth-based CNNs
这篇文章是人脸防伪领域比较容易理解，适合入手的一篇，主要运用到了两个CNN网络，根据输入图像的细节特征以及深度图特征来进行判别。
2.1 论文概述
- 文章创新点：提出了一个双通道的CNN网络用于人脸防伪；
- 运用到的两个网络：
（1）卷积神经网络（CNN），输入是固定尺寸的局部图片，输出是一个分类score，网络部分对输入的局部特征进行深层提取，并根据输出的分类score判断这种局部特征是属于spoof or live。
（2）全卷积网络（FCN），输入是整张人脸图像，尺寸不固定，经过多层卷积网络的特征提取以及SVM得到分类结果是spoof or live。
（3）将两个网络得到的结果通过某种方式进行融合，得到最终输出。
- 采用的数据集：CASIA-FASD / MSU-USSA / Replay Attack
2.2 论文涉及的两个网络（配合图解说明）
【图1】 双流网络的可视化结果
（1）左边是Patch-Based
最低0.47元/天 解锁文章
扫一扫
2863
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
