文献

J-GLOBAL ID：202202289577142198   整理番号：22A0554330

深層強化学習による顕著性を意識した顔プレゼンテーション攻撃検出【JST・京大機械翻訳】

Salience-Aware Face Presentation Attack Detection via Deep Reinforcement Learning

著者 (4件)： Yu Bingyao (Tsinghua Shenzhen International Graduate School, Shenzhen, China) ,  Lu Jiwen (Department of Automation, Beijing Research Center for Information Science and Technology (BNRist), Tsinghua University, Beijing, China) ,  Li Xiu (Tsinghua Shenzhen International Graduate School, Shenzhen, China) ,  Zhou Jie (Department of Automation, Beijing Research Center for Information Science and Technology (BNRist), Tsinghua University, Beijing, China)
資料名： IEEE Transactions on Information Forensics and Security  (IEEE Transactions on Information Forensics and Security)
巻： 17  ページ： 413-427  発行年： 2022年 
JST資料番号： W1570A  ISSN： 1556-6013  CODEN： ITIFA6  資料種別： 逐次刊行物 (A)
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： 本論文では,顔画像における顕著な局所部分情報を利用するために,深層強化学習を利用した,サリエンス意識顔提示攻撃検出(SAFPAD)手法を提案した。ほとんどの既存の深い顔提示攻撃検出は,全画像またはいくつかの固定領域から特徴を抽出する。しかしながら,プレゼンテーション攻撃検出に有益な識別情報は,照明とプレゼンテーション攻撃機器変動のために画像中に不均等に分布するので,すべての領域を処理するのは,より正確でロバストな顔提示攻撃検出に重要な最も識別的な情報を強調するために等しく失敗する。これに対処するために,著者らは,深い強化学習を用いて弁別的突出部を同定し,顔画像における冗長情報の悪影響を軽減するためにそれらに焦点を当てた。著者らは,識別パッチを利用して,より正確な結果を予測するために,分類ネットワークを助けるために,政策ネットワークをガイドする高レベル特徴と局所特徴を融合する。顕著な位置を生成するために,SAFPADモデルを深層強化学習と共同訓練した。5つの公開データセットに関する大規模な実験は,著者らのアプローチが,顕著な局所情報の集中的な雇用のために,非常に競争力のある性能を達成することを実証した。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： 検出 ,  ネットワーク ,  特性 ,  認識 ,  *顔 ,  画像 ,  局所性 ,  ロバスト性 ,  *強化学習 ,  顔画像 ,  *サイバー攻撃
準シソーラス用語： *プレゼンテーション ,  識別子 ,  局所特徴 ,  *深層強化学習 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 深層強化学習 ,  意識 ,  顔 ,  プレゼンテーション ,  攻撃