CASIA-CeFA跨种族面部反欺骗数据集

最新推荐文章于 2024-04-19 13:42:17 发布
转载 最新推荐文章于 2024-04-19 13:42:17 发布 · 1.1k 阅读 · 8 ·
CC 4.0 BY-SA版权
原文链接：https://blog.youkuaiyun.com/confusingbird/article/details/111250457
文章标签：

#大数据 #数据仓库

提供了一套名为“CASIA-CeFA跨种族面部反欺骗数据集”的资源下载链接及解压密码。该数据集包含训练、验证及测试三个部分，可用于人脸识别、活体检测等领域的研究。

“CASIA-CeFA跨种族面部反欺骗数据集”的百度网盘链接如下：

链接：https://pan.baidu.com/s/1rvyfIi26igsJaizDsWd16A 
提取码：o84s 
 

相应压缩文件对应的解压密码如下：

train.zip:      casia-cefa-train-303696    
dev.zip:       casia-cefa-dev-155610
test.zip:       casia-cefa-test-572121-usd89f
 

Dewaite
关注
如何写数据集标签txt文件
m0_54924205的博客
03-22 992
编写多模态数据集标签文件
人脸识别数据集整理以及下载
m0_46163649的博客
09-11 3883
本压缩包包含：3DMAD、CALFW、CASIA-CeFA、CASIA-FASD、CASIA-SURF、CelebA_Spoof、CPLFW、DISFA、DISFA+、HKBU_MARS_V1+、HQ-WMCA、lfw、MSU-MFSD、OULU-NPU、OULU-VS唇语数据集、Oulu表情数据集、SIW、UVA-NEMO、Vggface2、WFFD蜡像数据集等人脸识别与活体检测数据集，均是本团队在做抗欺骗的人脸识别系统时所收集。
CASIA-SURF_CeFA:面部反欺骗攻击检测挑战@ CVPR2020
05-02
Chalearn CeFA面对反欺骗挑战 这是我们在CVPR 2020上针对Chalearn单模式人脸防欺骗攻击检测挑战的解决方案的代码。 如果您在实验中使用此代码，请访问以下论文： : 我们的解决方案基于两种类型的人工变换：秩合并[1]和光流[2]，并在端到端流水线中组合以进行欺骗检测和序列增强，以丰富伪造轨道的集合。 参考 [1] Basura Fernando，Efstratios Gavves，Jose Oramas，AmirGhodrati和Tinne Tuytelaars。进行行动识别的排名汇总。TPAMI，39（4）：773–787，201 [2] C. Liu。 超越像素：探索运动分析的新表示形式和应用。 博士论文。 麻省理工学院，2009。 训练步骤 步骤1。 安装at_learner_core cd /path/to/new/pip/environment
CASIA数据集免费分享
03-11
CASIA数据集免费分享
CASIA-SURF.txt
03-22
CASIA-SURF人脸活体检测数据集百度网盘下载链接，可供学习、训练模型使用，永久有效。请勿用于商业途径或用于其他非法途径。
人脸活体检测论文：Multi-Modal Face Anti-Spoofing Based on Central Difference Networks
OneQuestionADay的博客
12-17 2202
作者 Zitong Yu, Yunxiao Qin, Xiaobai Li, Zezheng Wang, Chenxu Zhao, Zhen Lei, Guoying Zhao 摘要 人脸反欺骗（Face anti-spoofing，FAS）在保护人脸识别系统免受表示攻击方面起着至关重要的作用。当现有的跨模态攻击方法依赖于复杂的交叉信息时，FAS很容易依赖于复杂的交叉信息。本文推广了中心差分卷积网络（CDCN）对于多模式版本，打算捕获三种模式（RGB、深度和红外）之间的固有欺骗模式。同时对CDCN模型进行了
anti-spoofing， face-detect等数据集链接
u013739490的博客
03-07 5283
MSU-MFSD 、CASIA-FASD数据集 https://pan.baidu.com/s/1GUeWUrvlsWYzDxuyePVKSQ https://pan.baidu.com/s/11NIzhwNzmBWQwjx4JqT91w wider、AFLW、64_CASIA-FaceV5、CALFW、CPLFW、helen、ibug、lfpw、300w、300VW、lfw_5590、net_7...
有没有用PyTorch框架的利用CASIA-CeFA跨种族面部反欺骗数据集对其中深度图像进行深度学习的开源代码
04-09
根据您对PyTorch框架下基于CASIA-CeFA数据集的跨种族面部反欺骗代码需求，结合相关技术引用，整理建议如下： ### 一、现有开源资源推荐 1. **基础项目参考** 引用[1]中的轻量级反欺骗项目（light-weight-face-...
【深度学习-人脸活体检测】CASIA-CeFA-Challenge-压缩卷8
10-05
CASIA-CeFA-Challenge 基于 CASIA-SURF CeFA 的跨种族人脸活体检测竞赛用数据：CeFA 数据集覆盖 3 个族群（如非洲、东亚、中亚）、3 种模态（RGB/Depth/IR）、1,607 名受试者，并同时包含 2D（打印、重放）与 3D（3D...
【深度学习-人脸活体检测】CASIA-CeFA-Challenge-压缩卷11
最新发布
10-05
CASIA-CeFA-Challenge 基于 CASIA-SURF CeFA 的跨种族人脸活体检测竞赛用数据：CeFA 数据集覆盖 3 个族群（如非洲、东亚、中亚）、3 种模态（RGB/Depth/IR）、1,607 名受试者，并同时包含 2D（打印、重放）与 3D（3D...
【深度学习-人脸活体检测】CASIA-CeFA-Challenge-压缩卷7
10-05
CASIA-CeFA-Challenge 基于 CASIA-SURF CeFA 的跨种族人脸活体检测竞赛用数据：CeFA 数据集覆盖 3 个族群（如非洲、东亚、中亚）、3 种模态（RGB/Depth/IR）、1,607 名受试者，并同时包含 2D（打印、重放）与 3D（3D...
CASIA-WEBFACE数据集
06-26
casiawebface数据集，4个G，百度云网盘直接下载，1万个人
casia数据集-清洗过后的人脸数据集
02-11
casia标准数据集，此处是清洗过后的人脸数据集，包含10575类不同的人脸
Silent-Face-Anti-Spoofing:静默活体检测（静音面部防欺骗）
03-18
中文版| 静默活体检测（Silent-Face-Anti-Spoofing） 该项目为的静默活体检测项目，您可以扫描下方的二维码获取安卓端APK，体验静默活体的检测效果。 更新 2020-07-30：开源caffe模型，分享工业级静默活体检测算法技术解析直播视频以及相关文件。 简介 在本工程中我们开源了活体模型训练架构，数据预处理方法，模型训练和测试脚本以及开源的APK供大家测试使用。 活体检测技术主要是判别机器前出现的人脸是真实还是伪造的，其中更多其他媒介呈现的人脸都可以定义为虚假的人脸，包括打印的纸质照片，电子产品的显示屏幕，硅胶面具，立体的3D人像等。目前主流的活体解决方案分为配合式活体检测和非配合式活体检测（静默活体检测）。 ，静默活体则在用户无感的情况下直接进行活体重置。 因傅里叶频谱图一定程度上能够React真假脸在频域的差异，因此我们采用了一种基于傅里叶频谱图的辅助监督的静默
【深度学习-活体检测】CASIA-SURF-CROP-压缩卷2
10-05
数据量大，包括压缩卷1-压缩卷4. 需要一起解压。 CASIA-SURF-CROP 通常指 CASIA-SURF 人脸活体检测数据集的裁剪版：在原始多模态（RGB/Depth/IR）视频基础上，官方已提供对齐的人脸裁剪图（常见训练尺寸约 112×112），便于直接进行图像级别建模而无需再做人脸检测与对齐。CASIA-SURF 本身包含 1,000 名受试者、21,000 段视频（每人 1 段真脸 + 6 段不同纸质打印攻击的伪造视频），由 Intel RealSense SR300 采集；竞赛/基线设置中常按每 10 帧取一帧，并给出训练/验证/测试划分与标签。论文与竞赛报告明确提到“CASIA-SURF 已提供人脸裁剪（face crops）”，实践中常将该裁剪版称为 “CASIA-SURF-CROP”。 意义与价值在于：其规模与多模态设计为活体检测（PAD）提供了大样本且跨通道的监督信号，裁剪后的标准化人脸区域减少了检测噪声与背景干扰，提升了训练效率与可复现性，也使多模态融合/对抗不同纸质攻击的算法评测更客观；同时，该数据集推动了后续更具多样性的扩展（如跨种族、含 2D/3D 多类型攻击的 CASIA-SURF CeFA），用以研究偏置与泛化问题，从而在学术与落地安全场景中都具有基准价值。
人脸数据集下载链接整理.rar
04-09
人脸数据集下载链接整理.rar
深度学习-活体检测发展之数据篇（二）
u010916331的博客
02-18 5463
史上最全活体检测数据集整理
活体检测论文整理
Rock的博客
06-22 2984
PAD（presentation attack detection）方法 (1) 动作配合式活体检测：给出指定动作要求，用户需配合完成，通过实时检测用户眼睛，嘴巴，头部姿态的状态，来判断是否是活体。 (2) H5视频活体检测：用户上传一个现场录制的视频，录制时读出随机分配的语音校验码。然后通过分析这个视频的人脸信息以及语音校验码是否匹配，完成活体检测判断。 (3) 静默活体检测：相对于动态活体检测方法，静默活体检测是指，不需要用户做任何动作，自然面对摄像头3、4秒钟即可。由于真实人脸并不是绝对静止的， 存在
few-shot调研
mango_july的博客
04-19 1519
对数变换辅助高斯采样的少样本学习，2023发布在iccv领域：图像分类数据集：1、miniImageNet，它有100个不同的类，每个类600张图像，每个大小为84 × 84 × 32、CUB，共有11，788幅图像，每幅大小为84 × 84 × 3，包含200种不同种类的鸟类。总结：该论文提出了一种新的高斯转换方法，可以将实验数据转换为更接近高斯分布的数据，并将其应用于小样本图像分类中。实验结果表明，该方法在性能上取得了显著提升，同时减少了所需的数据量。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值