3759.
大多数人脸活体检测模型在面对已知欺骗人脸攻击时已经能达到很高的检测精度. 然而, 一旦面对未知欺骗人脸攻击时, 其性能会急剧下降. 此外, 真实和欺骗人脸之间的细微差异使得单尺度特征提取方法显得不足, 进而对模型的泛化能力造成了严重制约. 为了解决这些问题, 本文提出一种多尺度分层级联网络的可泛化人脸活体检测. 首先, 在应对不同域人脸数据之间的特征差异鸿沟方面, 提出一个自相似注意力模块, 通过捕捉相邻卷积层之间的特征相似性, 对人脸中关键区域进行加权融合, 从而学习到不同域人脸数据之间更紧凑的跨域特征表示. 其次, 为了引导不同欺骗人脸之间域不变特征的学习, 提出一个域权重增强模块, 通过动态调整不同特征领域的权重, 增强域鉴别器区分不同域欺骗人脸的能力, 提高了检测模型的泛化性. 最后, 为进一步增强模型提取特征的表示能力, 设计了一个多尺度特征级联模块, 通过利用多尺度特征之间的互补性, 将人脸图像中的细微局部信息和全局语义信息充分整合在一起. 在4个公开数据集上的实验结果表明, 本文方法与先前方法相比, 平均
AUC和平均
HTER分别为97.82%和7.10%, 在泛化性方面取得了杰出的表现.… …
相似文献