顔のアンチスポーフィングにおける異常検出のためのin-the-wild画像の使用【JST・京大機械翻訳】

Abduh Latifah; Ivrissimtzis Ioannis

プレプリント

J-GLOBAL ID：202202214554358920 整理番号：22P0161051

顔のアンチスポーフィングにおける異常検出のためのin-the-wild画像の使用【JST・京大機械翻訳】

Use of in-the-wild images for anomaly detection in face anti-spoofing

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年06月18日プレプリントサーバーでの情報更新日： 2020年06月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

アンチスポーフィングに対する従来のアプローチを二値分類問題として見出し,二値分類器を訓練し,特殊化したアンチスポフィングデータベース上で検証した。このアプローチの欠点の一つは,顔スプーフィング攻撃,環境要因,および典型的に小さいサンプルサイズの変動性のため,そのような分類器は,以前にはデータベースにあまり一般化しないことである。1クラス分類問題として顔アンチスポーフィングにアプローチする異常検出は,ますます一般的な代替アプローチとして出現している。それにもかかわらず,顔アンチスポーフィングのための異常検出に関するすべての既存の研究において,提案した訓練プロトコルは,実際の顔の共通画像だけが必要とされるにもかかわらず,専用のアンチスポフィングデータベースから画像を利用する。ここでは,非専門顔データベースからの画像と画像の利用を検討し,顔アンチスポーフィングのための1クラス分類器を訓練する。十分に確立された手法を採用して,実際の顔に畳み込みオートエンコーダを訓練し,クライアントまたはインポスターのいずれかとして顔画像を分類するための閾値に対する入力の再構成誤差を比較した。結果は,インザイス画像の訓練セットにおける包含が,曲線下の面積の値の大きな増加によって証明されたように,非セーエンデータベース上で分類器の識別力を著しく増加させることを示した。著者らのアプローチの限界において,著者らは,半全誤差率の値によって証明されるように,非意味データベース上の適切な操作点を見つける問題は,課題のままであることに注目した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般 , 人工知能

前のページに戻る