Face-anti-spoofing实验记录

Posted 2022-05-05 tay007

https://sites.google.com/qq.com/chalearnfacespoofingattackdete/contest-details

数据集官方获取网站

 

网友总结

https://blog.csdn.net/baidu_40840693/article/details/89060374

网友的FeatherNets论文笔记

https://blog.csdn.net/u014640980/article/details/89473862

创新点
提出轻量级网络Feather：
thin CNN stem——计算代价小；
提出流模块——比GAP（Global Average Pooling）精确度更高；
设计了一种新的融合分类器体系结构，将从多模态数据（depth 和 IR 数据）中学习到的多模型进行组合和级联；
成就
仅用depth image进行训练，0.00168 ACER, 0.35M parameters and 83M FLOPS；
in the Face Anti-spoofing Attack Detection Challenge@CVPR2019 and
got the result of 0.0013(ACER), 0.999(TPR@FPR=10e-2),
0.998(TPR@FPR=10e-3) and 0.9814(TPR@FPR=10e-4).
数据集 MMFD
原理
真实人脸的depth image是不均匀的，攻击人脸的depth image是平面的