基于前向学习网络的人脸欺诈检测
宋昱, 孙文赟, 陈昌盛1. 深圳大学 电子与信息工程学院, 深圳 518060;
2. 深圳大学 深圳市媒体信息内容安全重点实验室, 深圳 518060;
3. 深圳大学 广东省智能信息处理重点实验室, 深圳 518060;
4. 深圳大学 广东省人工智能与数字经济实验室, 深圳 518060;
5. 深圳市人工智能与机器人研究院, 深圳 518060
收稿日期:2020-06-15发布日期:2021-03-11作者简介:宋昱(1988-),男,博士后,E-mail:songy@szu.edu.cn.基金资助:中国博士后科学基金项目（2019M663068）；广东省基础与应用基础研究基金项目（2019A1515110425）；广东省自然科学基金项目（2020A1515010563）；深圳市科技计划项目（JCYJ20180305124550725）Few-Shot Face Spoofing Detection Using Feedforward Learning Network
SONG Yu, SUN Wen-yun, CHEN Chang-sheng1. College of Electronics and Information Engineering, Shenzhen University, Shenzhen 518060, China;
2. Shenzhen Key Laboratory of Media Security, Shenzhen University, Shenzhen 518060, China;
3. Guangdong Key Laboratory of Intelligent Information Processing, Shenzhen University, Shenzhen 518060, China;
4. Guangdong Laboratory of Artificial Intelligence and Digital Economy, Shenzhen University, Shenzhen 518060, China;
5. Shenzhen Institute of Artificial Intelligence and Robotics for Society, Shenzhen 518060, China
Received:2020-06-15Published:2021-03-11摘要/Abstract
摘要： 为了克服现有人脸欺诈检测方法在少样本应用场合下的局限性，将前向学习网络用于欺诈检测.通过前向学习的方式从图像中无监督地学得卷积滤波器，在人脸欺诈检测应用场合下，对前向学习网络进行了改进，改进后的网络使用了面向人脸欺诈检测任务的卷积滤波器.使用主成分分析变换所得的最小特征值对应的特征向量作为卷积滤波器提取图像的特征.将所提方法在CASIA-FASD、Idiap Replay-Attack和OULU-NPU数据集上进行了验证，实验结果表明，在少样本跨攻击类型实验中，所提方法显著提升了欺诈人脸检测的准确率.
中图分类号:
TP309
TP391.41
引用本文
宋昱, 孙文赟, 陈昌盛. 基于前向学习网络的人脸欺诈检测[J]. 北京邮电大学学报, 2020, 43(5): 48-56.
SONG Yu, SUN Wen-yun, CHEN Chang-sheng. Few-Shot Face Spoofing Detection Using Feedforward Learning Network[J]. Journal of Beijing University of Posts and Telecommunications, 2020, 43(5): 48-56.
PDF全文下载地址:
https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4764
