首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

【论文推荐】了解《人脸防伪》必看的6篇论文(附打包下载地址)

关注文章公众号 回复"SFFAI141"获取本主题精选论文 01 Deep Learning for Face Anti-Spoofing: A Survey 推荐理由:这篇文章是目前活体检测领域最新综述...02 Searching Central Difference Convolutional Networks for Face Anti-Spoofing 推荐理由:对经典的LBP算子进行了卷积化改造...03 Deep Spatial Gradient and Temporal Depth Learning for Face Anti-spoofing 推荐理由:基于多帧视频来预测深度图,以凸显活体与攻击视频间的差异...04 Single-Side Domain Generalization for Face Anti-Spoofing 推荐理由:提出了经典的单边域泛化性活体检测算法:在特征空间中,将来自不同域的真实特征聚为一类...05 Meta-Teacher For Face Anti-Spoofing 推荐理由:利用元学习思想,训练一个meta-teacher,模型的优化过程不是为了更好地拟合训练数据,而是为了让meta-teacher

32010

CV学习笔记(二十八):活体检测总结②

/document/7821013 模型架构: 和传统的方法结构类似,只是使用了VGG进行特征提取,通过CNN网络端到端学习anti-spoofing的表示空间 ?...研究表明高频部分对anti-spoofing非常重要,为避免对原图进行resize而损失图片的高频部分,因此使用FCN以无视输入特征图的size ?...Face De-Spoofing: Anti-Spoofing via Noise Modeling *这篇论文比较抽象,代码虽然开源但质量一般,约等于没有开源~ 实际部署起来也比较难,主要针对print..., replay, make-up类别的PA 以往的Anti-Spoofing在基于深度学习方法做的时候通常当做一个二分类,输出是Real/Spoof,内部模型是一个黑箱。...这个方法将De-Spoofing的模型的内部机理考虑了进去。 文章中假设:对于照片、视频播放来进行的Spoof会引入噪声,而这个噪声普遍存在且可重复,因此,设公式为: ?

88930

CV学习笔记(二十八):活体检测总结②

/document/7821013 模型架构: 和传统的方法结构类似,只是使用了VGG进行特征提取,通过CNN网络端到端学习anti-spoofing的表示空间 Face anti-spoofing...研究表明高频部分对anti-spoofing非常重要,为避免对原图进行resize而损失图片的高频部分,因此使用FCN以无视输入特征图的size 并且还用到了两个监督信号: 1:patch spoof...Face De-Spoofing: Anti-Spoofing via Noise Modeling *这篇论文比较抽象,代码虽然开源但质量一般,约等于没有开源~ 实际部署起来也比较难,主要针对print..., replay, make-up类别的PA 以往的Anti-Spoofing在基于深度学习方法做的时候通常当做一个二分类,输出是Real/Spoof,内部模型是一个黑箱。...这个方法将De-Spoofing的模型的内部机理考虑了进去。

1.1K40

CVPR2020人脸防伪检测挑战赛冠亚军论文解读(下篇)

本文介绍的是CVPR2020 论文《Searching Central Difference Convolutional Networks for FaceAnti-spoofing》,作者来自明略科技...作者 | 明略科技 编辑 | 丛 末 在CVPR2020由中科院自动化研究所模式识别国家重点实验室主办的ChaLearnFace Anti-spoofing Attack Detection Challenge...此次挑战赛中,奥卢大学和明略科学院团队运用的方法,主要来自于《Deep Spatial Gradient and Temporal Depth Learning for FaceAnti-spoofing...这篇解读,将重点介绍《Searching Central Difference Convolutional Networks for FaceAnti-spoofing(CDCN [1]), CVPR2020...2 简介 《Searching Central Difference Convolutional Networks forFace Anti-spoofing(CDCN [1]), CVPR2020》论文

1.9K20

CVPR2020人脸防伪检测挑战赛冠亚军论文解读(上篇)

本文介绍的是CVPR2020 oral论文《Deep Spatial Gradient and Temporal Depth Learning for Face Anti-spoofing》,作者来自明略科技...作者 | 明略科技 编辑 | 丛 末 在CVPR2020由中科院自动化研究所模式识别国家重点实验室主办的ChaLearnFace Anti-spoofing Attack Detection Challenge...此次挑战赛中,奥卢大学和明略科学院团队运用的方法,主要来自于《Deep Spatial Gradient and Temporal Depth Learning for FaceAnti-spoofing...(FAS-SGTD [2]), CVPR2020 (Oral)》和《Searching Central Difference Convolutional Networks for FaceAnti-spoofing...为了让网络更好地学习到细节的spoofing patterns,提出了细粒度的监督损失:Contrastive Depth Loss (CDL) 。 4.

1.6K10

人脸识别中的活体检测算法综述

来生成Spoofing Face),那拿什么来当groundtruth,怎么设计网络去估计 Spoofing noise 呢?...De-spoofing网络架构[11] 那网络右边的 VQ-Net 和 DQ-Net 又有什么作用呢?...Pros: 通过可视化最终让大众知道了 Spoofing Noise 是长什么样子的~ Cons: 在实际场景中难部署(该模型假定Spoofing Noise是 strongly 存在的,当实际场景中活体的人脸图质量并不是很高...,而非活体攻击的质量相对高时,Spoofing noise走不通) 后记:不同模态的相机输入对于活体检测的作用 1....至此,Face anti-spoofing 的简单Survey已完毕~ 毫无疑问,对于学术界,后续方向应该是用DL学习更精细的 人脸3D特征 和 人脸微变化微动作(Motion Spoofing Noise

2K20
领券