典型文献
基于多分类及特征融合的静默活体检测算法
文献摘要：
现有的静默活体检测研究忽略不同非活体攻击方式之间的差异,以及不考虑活体和非活体样本类别不均衡对模型学习的不利影响.本研究将非活体攻击类别细分成打印攻击和展示攻击,将静默活体检测由传统的二分类问题转变为多分类问题,并提出采取交叉熵作为损失函数对网络模型进行训练的方案,用以克服二分类和类别不均衡问题,使得模型训练中能更准确发现和抽象出非活体人脸样本共同的欺诈特征,提高网络模型对非活体识别的精准度.构建双流特征融合网络模型,采取注意力机制对从RGB和YCrCb这2种不同色彩空间提取到的特征向量进行自适应加权融合,以进一步提升网络模型的特征表示能力.在CASIA-FASD、Replay-Attack、MSU-MFSD和OULU-NPU 4个公开数据集进行大量的对比实验,实验结果表明,采取多分类策略以及特征融合的静默活体检测模型能够有效降低分类错误率并提升泛化能力.
文献关键词：
人脸活体检测;多分类;类别不均衡;交叉熵损失;特征融合
中图分类号：
作者姓名：
黄新宇;游帆;张沛;张昭;张柏礼;吕建华;徐立臻
作者机构：
东南大学 计算机科学与技术学院,江苏 南京 211189;智能电网保护和运行控制国家重点实验室,江苏 南京 211189;南瑞集团,江苏 南京 211189
文献出处：
引用格式：
[1]黄新宇;游帆;张沛;张昭;张柏礼;吕建华;徐立臻-.基于多分类及特征融合的静默活体检测算法)[J].浙江大学学报（工学版）,2022(02):263-270
A类：
B类：
分类及特征,静默,检测算法,攻击方式,样本类别不均衡,模型学习,二分类问题,多分类问题,损失函数,均衡问题,模型训练,欺诈,双流,特征融合网络,注意力机制,RGB,YCrCb,色彩空间,取到,特征向量,自适应加权融合,特征表示,示能,CASIA,FASD,Replay,Attack,MSU,MFSD,OULU,NPU,公开数据集,分类策略,检测模型,错误率,泛化能力,人脸活体检测,交叉熵损失
AB值：
0.402765
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
