2019 FeatherNets: Convolutional Neural Networks as Light as Feather for Face Anti-spoofing

【代码】https://github.com/SoftwareGift/FeatherNets_Face-Anti-spoofing-Attack-Detection-Challenge-CVPR2019

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。

架构设计

感受野中心对输出的影响大于边缘对输出的影响，因此，RF1比RF2具有更大的有效感受域。

流模块

DWConv（stride>1）用于缩减输出的像素采样
计算过程：
FVn(y,x,m)=∑i,jKi,j,m⋅FINy(i),INx(j),mFV_n(y,x,m)=\sum_{i,j}K_{i,j,m}·F_{IN_y(i),IN_x(j),m}FVn(y,x,m)=i,j∑Ki,j,m⋅FINy(i),INx(j),m
- 其中，
  N=H′∗W′∗CN=H^{'} * W ^ {'} *CN=H′∗W′∗C
  n(x,y,m)=m×H′×W′+y×H‘+xn(x,y,m)=m\times H^{'}\times W^{'}+y\times H^{‘}+xn(x,y,m)=m×H′×W′+y×H‘+x
  INy(i)=y×S0+iIN_y(i)=y\times S_0+iINy(i)=y×S0+i
  INx(j)=x×S1+jIN_x(j)=x\times S_1+jINx(j)=x×S1+j
  S_0是垂直步长，S_1是水平步长
流模块可用来代替传统网络中的全局平均池化层和全连接层

网络结构

除了流模块，还有 Block A/B/C 来构成 FeatherNet A/B
基于深度数据训练的模型可以达到 0.003 ACER
对于深度模型不确定的样本，IR数据可以提供较好的伪判断性能
第一阶段由多个用深度数据训练的模型加权平均得到，对于不确定的样本进行第二阶段的判断，第二阶段用IR数据训练FeatherNetB模型，若第二阶段判断为假，则作为最后结果，若判断为真，则结合第一阶段的结果共同决定。

评价标准

Attack Presentation Classification Error Rate (APCER)
Normal Presentation Classification Error Rate (NPCER)
Average Classification Error Rate (ACER)

实验结果

2019 FeatherNets: Convolutional Neural Networks as Light as Feather for Face Anti-spoofing相关推荐

【FeatherNets】《FeatherNets：Convolutional Neural Networks as Light as Feather for Face Anti-spoofing》
CVPR-2019 workshop code:https://github.com/SoftwareGift/FeatherNets_Face-Anti-spoofing-Attack-Detect ...
CV：翻译并解读2019《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》第一章~第三章
CV:翻译并解读2019<A Survey of the Recent Architectures of Deep Convolutional Neural Networks>第一章~第三 ...
62_LP-3DCNN: Unveiling Local Phase in 3D Convolutional Neural Networks 2019 论文笔记
LP-3DCNN: Unveiling Local Phase in 3D Convolutional Neural Networks 三维卷积神经网络局部相位的揭示目录 LP-3DCNN: Unv ...
Graph Convolutional Neural Networks for Predicting Drug-Target Interactions
1. 摘要 2. 数据集 DUDE数据集改进 DUDE-chemBl负样本数据集最大无偏数据集(MUV) 3. 图构建 pocket graph molecuar graph 4. 口袋pretra ...
DEEPCON: protein contact prediction using dilated convolutional neural networks with dropout
今天真的要开始正式进入科研状态了,之前一直都进入失败,咳!那就先来看一篇相关领域的论文吧 ---------------------------------------------- 题目:DEEPC ...
Orthogonal Convolutional Neural Networks
文章目录概主要内容符号说明 Y = C o n v ( K , X ) Y=Conv(K,X) Y=Conv(K,X)的俩种表示 Y = K X ~ Y=K\tilde{X} Y=KX~ Y = ...
【读点论文】EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks网络结构要像身材一样匀称且体量和处理能力匹配
EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks Abstract 卷积神经网络(ConvNets)通常 ...
keras构建卷积神经网络（CNN(Convolutional Neural Networks)）进行图像分类模型构建和学习
keras构建卷积神经网络(CNN(Convolutional Neural Networks))进行图像分类模型构建和学习全连接神经网络(Fully connected neural networ ...
【文本分类】Deep Pyramid Convolutional Neural Networks for Text Categorization
·阅读摘要: 本文提出了DPCNN(深度金字塔CNN)模型.在transformer.bert还没兴起的年代,模型越深效果越好,但是模型的复杂度会随着深度提升.粗略地说,DPCNN就是为了解决CN ...

2019 FeatherNets: Convolutional Neural Networks as Light as Feather for Face Anti-spoofing

创新点

成就

原理

架构设计

流模块

网络结构

评价标准

实验结果

2019 FeatherNets: Convolutional Neural Networks as Light as Feather for Face Anti-spoofing相关推荐

最新文章

热门文章