【論文翻譯】Learning Generalizable and Identity-Discriminative Representations for Face Anti-Spoofing

Abstract 由於人臉認證系統的高安全性需求,面部反欺騙(a.k.a演示攻擊檢測)已引起越來越多的關注。當訓練和測試欺騙樣本擁有相似的模式時,現有的基於CNN的方法通常很好地識別欺騙攻擊,但它們的性能會在未知場景的測試欺騙攻擊上急劇下降。在本文中,我們試圖通過設計兩個新穎性的CNN模型來提高方法的泛化能力和適用性。首先,我們針對CNN模型提出了一種簡單但有效的總成對混淆(TPC)損失函數,這增
相關文章
相關標籤/搜索