文献

J-GLOBAL ID：202202272092821255   整理番号：22A0788922

一般化顔プレゼンテーション攻撃検出のための学習可能なマルチレベル周波数分解と階層的注意機構【JST・京大機械翻訳】

Learnable Multi-level Frequency Decomposition and Hierarchical Attention Mechanism for Generalized Face Presentation Attack Detection

著者 (4件)： Fang Meiling (Fraunhofer Institute for Computer Graphics Research IGD,Darmstadt,Germany) ,  Damer Naser (Fraunhofer Institute for Computer Graphics Research IGD,Darmstadt,Germany) ,  Kirchbuchner Florian (Fraunhofer Institute for Computer Graphics Research IGD,Darmstadt,Germany) ,  Kuijper Arjan (Fraunhofer Institute for Computer Graphics Research IGD,Darmstadt,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： WACV  ページ： 1131-1140  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 日常生活における顔認識システムの配置の増加によって,顔提示攻撃検出(PAD)は,多くの注意を引きつけて,顔認識システムを確保する際に重要な役割を果たす。イントラデータセット評価における手作業および深層学習ベース手法によって達成された大きな性能にもかかわらず,非意味シナリオを扱うとき,性能は低下する。本研究では,二重ストリーム畳込みニューラルネットワーク(CNN)フレームワークを提案した。1つのストリームは4つの学習可能な周波数フィルタを適応し,周波数領域の特徴を学習し,それはセンサ/照明の変化によってあまり影響されない。他のストリームは,周波数領域の特徴を補うためにRGB画像を利用する。さらに,CNNの異なる層における深い特徴の性質を考慮することにより,異なる段階で2つのストリームから情報を接合するための階層的注意モジュール統合を提案した。提案手法はデータセット内とクロスデータセットのセットアップで評価され,その結果は,提案のアプローチが,ドメイン適応/シフト問題に対して明示的に設計された方法を含む最新技術と比較して,ほとんどの実験セットアップにおける一般化可能性を高めることを実証した。提案した学習可能な周波数分解,階層的注意モジュール設計,および使用した損失関数を含む段階的アブレーション研究における提案PAD解の設計を成功裏に証明した。訓練コードと事前訓練モデルは公開されている。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： フィルタ ,  *学習 ,  損失関数 ,  照明 ,  モジュラ設計 ,  センサ ,  アブレーション ,  周波数領域 ,  *サイバー攻撃
準シソーラス用語： *マルチレベル ,  *プレゼンテーション ,  顔貌認識 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 一般化 ,  プレゼンテーション ,  攻撃 ,  学習 ,  マルチレベル ,  分解 ,  注意