论文笔记-Searching Central Difference Convolutional Networks for Face Anti-Spoofing

Hello 今天是论文阅读计划的第10天啦，转眼就过去三分之一啦～

接下来的论文笔记，我不会再局限于基于骨架的人体动作识别这块啦，会开始了解和学习下其他方向的论文。目前主要来源是CVPR2020的论文，我会找一些我比较感兴趣的论文来解读～今早已经下载了10多篇，就觉得这样还挺好的挺有趣的。

今天为大家介绍一篇人脸活体检测的论文，貌似也叫人脸反欺骗（Face Anti-Spoofing, FAS）,那就一起来了解了解吧～

一、题目关键词解读

Searching：应该是使用了NAS相关的技术
Central Difference Convolution Networks: 中心差分卷积网络(CDCN)，第一次听，还不知道是什么

二、研究背景

人脸反欺骗在人脸识别系统中起着至关重要的作用。大多数最先进的FAS方法都有如下的不足：

• 依赖于堆叠卷积和专家设计的网络，这在描述详细的细粒度信息方面很弱，并且当环境变化时(例如，不同的照明)很容易无效。
• 更喜欢使用长序列作为输入来提取动态特征，使得它们难以部署到需要快速响应的场景中。

三、研究目标 & 内容

目标：改进上述提到的不足。

内容：作者提出了一种新的基于中心差分卷积的帧级融合方法，该方法能够通过聚集强度和梯度信息来捕获三分之一的细节模式。用中心差分卷积网络(CDCN)构建的网络比用普通卷积构建的网络具有更强的建模能力。此外，在专门设计的CDC搜索空间上，利用NAS发现更强大的网络结构(CDCN++)，可以与多尺度注意力融合模块(MAFM)组装，以进一步提高性能。

四、方法

在人脸反欺骗任务中，强度级语义信息和梯度级细节信息对于区分活动人脸和欺骗人脸至关重要，这表明将普通卷积和中心差分卷积相结合可能是一种提供更鲁棒建模能力的可行方式。因此，我们将中心差分卷积推广为: