3D Convolutional Neural Network Based on Face Anti-Spoofing

最新推荐文章于 2024-09-13 07:36:15 发布

qq_28888837

最新推荐文章于 2024-09-13 07:36:15 发布

阅读量507

点赞数 1

CC 4.0 BY-SA版权

分类专栏： anti-spoofing 论文阅读文章标签： anti-spoofing

本文链接：https://blog.youkuaiyun.com/qq_28888837/article/details/88981864

anti-spoofing 同时被 2 个专栏收录

32 篇文章

订阅专栏

论文阅读

17 篇文章

订阅专栏

本文介绍了一种基于3D卷积神经网络(C3D)的面部防伪技术，该技术能同时获取空间和时间特征，通过SVM分类实现真实与伪造人脸的区分。使用了CASIA数据集进行交叉验证。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

3D Convolutional Neural Network Based on Face Anti-Spoofing

标签： anti-spoofing

论文出处：2017 2nd International Conference on Multimedia and Image Processing

本文提出的方法

本文提出的是一种基于C3D进行特征提取，这样能够获得不仅仅空间上的特征，并且还能获得时间上的特征。最后把特征放入svm进行分类。

在这里插入图片描述

对于数据几乎没有进行预处理，仅仅是做了一个先抽取若干帧作为3DCNN的输入，并且resize到6464，为了数据增强，在6464上面随机裁剪57*57大小的图片，最后发现5帧效果最好。觉得本篇文章主要就在于在网络方面进行了一些trick，而对于数据似乎并没做太大的改变。本文参考的[8][20]这两个文章的网络，可以看一下。除此之外对于CASIA进行了交叉验证参考的是[7]的协议，就是把训练集分为5个子部分，然后用其中一个做验证，另外4个训练

收获

1、一种3DCNN的解决方案（可以涉及到时间和空间两个维度）
Face anti-spoofing is becoming more and more
important in the reliability of face authentication. It can be
regarded as a two-class problem, that is, the classification of
real face and forged face.

参考文献重点摘录可作为以后读

C3D
[8] D.Tran, L.Bourdev, R.Fergus, L.Torresani and M. Paluri, “Learning
Spatiotemporal Features with 3D Convolutional Networks,” ICCV
2015.
[20] A. Karpathy, G. Toderici, S. Shetty, T. Leung, R. Sukthankar, and L.
Fei-Fei, “Large-scale video classification with convolutional neural
networks,” In CVPR, 2014, pp. 1-6

数据集处理
[7] J. Yang, Z. Lei, and S. Z. Li, “Learn convolutional neural network for
face anti-spoofing,” arXiv preprint arXiv:1408.5601,2014. 2, 4.