典型文献
基于区域分块和轻量级网络的人脸反欺骗方法
文献摘要：
如何高效地辨别各种被攻击的人脸是人脸识别过程中迫切需要解决的问题.基于深度学习的人脸反欺骗方法在有着高性能的同时,也带来了庞大的参数量和计算量,使其无法部署在移动或嵌入式设备中.针对以上问题,提出了一种基于区域分块和轻量级网络的人脸反欺骗方法.首先,对训练样本进行随机区域分块;然后,设计了一种基于注意力机制的轻量级网络用于特征提取和图像分类;最后,为了提高测试准确率,对测试样本进行基于区域分块的数据扩增.实验结果表明,所提模型在CASIA-FASD和REPLAY-ATTACK数据集上达到了100％的准确率;在CASIA-SURF数据集的Depth模态上获得了99.49％的准确率和0.4580％的平均分类错误率(ACER),远优于ResNet、ShuffleNet等卷积神经网络,且该模型的参数量也仅有0.2582 MB.在实际应用中,端到端的轻量级网络结构使所提模型更方便部署在移动设备上来进行实时的人脸反欺骗检测.
文献关键词：
人脸反欺骗;区域分块;中心差分卷积;注意力机制;轻量级网络;卷积神经网络
中图分类号：
作者姓名：
贺丹;何希平;李悦;袁锐;牛园园
作者机构：
重庆工商大学人工智能学院,重庆 400067;检测控制集成系统重庆市工程实验室(重庆工商大学),重庆 400067
文献出处：
引用格式：
[1]贺丹;何希平;李悦;袁锐;牛园园-.基于区域分块和轻量级网络的人脸反欺骗方法)[J].计算机应用,2022(12):3708-3714
A类：
人脸反欺骗,REPLAY,ATTACK
B类：
区域分块,轻量级网络,辨别,人脸识别,识别过程,参数量,计算量,法部,嵌入式设备,训练样本,注意力机制,和图像,图像分类,数据扩增,CASIA,FASD,上达,SURF,Depth,平均分,错误率,ACER,ResNet,ShuffleNet,MB,端到端,移动设备,欺骗检测,中心差分卷积
AB值：
0.260457
相似文献
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。
