【每周CV论文推荐】 初学活体检测与伪造人脸检测必读的文章
歡迎來到《每周CV論文推薦》。在這個專欄里，還是本著有三AI一貫的原則，專注于讓大家能夠系統(tǒng)性完成學(xué)習(xí)，所以我們推薦的文章也必定是同一主題的。
活體檢測在安防與金融等使用人臉識別技術(shù)的領(lǐng)域中是一項非常重要的技術(shù)，本次我們介紹初學(xué)深度學(xué)習(xí)活體檢測與偽造檢測領(lǐng)域需要讀的文章。
作者&編輯 | 言有三
1 Learning CNN
這是最早期CNN用于活體檢測的文章，在此之前都是手動提取特征，文章采用了人臉檢測預(yù)處理，多尺度人臉增強，時域人臉圖像增強等技術(shù)訓(xùn)練了一個分類網(wǎng)絡(luò)。
文章引用量：100+
推薦指數(shù)：?????
[1]?Yang J, Lei Z, Li S Z. Learn convolutional neural network for face anti-spoofing[J]. arXiv preprint arXiv:1408.5601, 2014.
2?patch and depth-based CNNs
由于直接基于RGB紋理分類的方法非常容易過擬合，而像屏幕中的人臉一般是平的，估計不出深度信息，所以patch and depth-based CNNs方法將深度信息和RGB特征進行融合。
文章引用量：50+
推薦指數(shù)：?????
[2] Atoum Y, Liu Y, Jourabloo A, et al. Face anti-spoofing using patch and depth-based CNNs[C]//2017 IEEE International Joint Conference on Biometrics (IJCB). IEEE, 2017: 319-328.
3?CNN-RNN model
與人臉生理相關(guān)的rppG信號被研究者廣泛運用于活體檢測，文[3]中使用了CNN和RNN分別預(yù)測人臉深度和rppG信號提升了活體檢測的精度。
文章引用量：50+
推薦指數(shù)：?????
[3] Liu Y, Jourabloo A, Liu X. Learning deep models for face anti-spoofing: Binary or auxiliary supervision[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018: 389-398.
4?Face De-Spoofing
這篇文章與前面兩篇文章是同一個課題組的人做的，其將非活體人臉圖看成是加了噪聲后失真的x，用殘差的思路檢測該噪聲從而完成分類。
文章引用量：40+
推薦指數(shù)：?????
[4]?Jourabloo A, Liu Y, Liu X. Face de-spoofing: Anti-spoofing via noise modeling[C]//Proceedings of the European Conference on Computer Vision (ECCV). 2018: 290-306.
5 CASIA-SURF
CASIA-SURF是當(dāng)前最大，模式最豐富的活體檢測數(shù)據(jù)集，包括1000個人的21000個視頻，數(shù)據(jù)集通過Intel RealSense SR300相機在不同的室內(nèi)背景下采集得到，包括RGB，Depth和InfraRed(IR)視頻。
文章引用量：較少
推薦指數(shù)：?????
[5] Zhang S, Wang X, Liu A, et al. A Dataset and Benchmark for Large-scale Multi-modal Face Anti-spoofing[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2019: 919-928.
6 FaceForensic++
FaceForensic是當(dāng)前最大的偽造人臉數(shù)據(jù)集，它使用了Face2Face，FaceSwap，DeepFakes以及NeuralTextures共4種換臉?biāo)惴▽?000個真實視頻進行處理，各自得到了510207張真假臉對應(yīng)的圖像。
文章引用量：較少
推薦指數(shù)：?????
[6] R?ssler A, Cozzolino D, Verdoliva L, et al. Faceforensics++: Learning to detect manipulated facial images[J]. arXiv preprint arXiv:1901.08971, 2019.
7 FakeSpotter
FakeSpotter是南洋理工，阿里巴巴，小米等合作提出的假臉檢測框架，與一般的使用最后的特征進行分類的思路不同，使用了每一層神經(jīng)元的激活特性來進行分析。
文章引用量：較少
推薦指數(shù)：?????
[7]?Wang R, Ma L, Juefei-Xu F, et al. FakeSpotter: A Simple Baseline for Spotting AI-Synthesized Fake Faces[J]. arXiv preprint arXiv:1909.06122, 2019.
8 如何獲取文章與交流
找到有三AI開源項目即可獲取。
https://github.com/longpeng2008/yousan.ai
文章細(xì)節(jié)眾多，閱讀交流在有三AI知識星球中進行，感興趣可以加入。
總結(jié)
活體檢測和偽造人臉是當(dāng)前人臉領(lǐng)域中非常前沿的研究和應(yīng)用，方法并不是非常成熟，感興趣的同學(xué)可以多跟進。
有三AI秋季劃
有三AI秋季劃已經(jīng)正式啟動報名，模型優(yōu)化，人臉?biāo)惴?#xff0c;圖像質(zhì)量共24個項目，助力提升深度學(xué)習(xí)計算機視覺算法和工程項目能力。
有三AI秋季劃出爐，模型優(yōu)化，人臉?biāo)惴?#xff0c;圖像質(zhì)量等24個項目等你來拿
轉(zhuǎn)載文章請后臺聯(lián)系
侵權(quán)必究
往期精選
【每周論文推薦】 初入深度學(xué)習(xí)CV領(lǐng)域必讀的幾篇文章
【每周CV論文推薦】 掌握殘差網(wǎng)絡(luò)必讀的10多篇文章
【每周CV論文推薦】 初學(xué)者必須精讀的5篇深度學(xué)習(xí)優(yōu)化相關(guān)文章
【每周CV論文推薦】 CV領(lǐng)域中數(shù)據(jù)增強相關(guān)的論文推薦
【每周CV論文推薦】 初學(xué)高效率CNN模型設(shè)計應(yīng)該讀的文章
【每周CV論文推薦】 初學(xué)目標(biāo)檢測必須要讀的文章
【每周CV論文推薦】 初學(xué)深度學(xué)習(xí)圖像分割必須要讀的文章
【每周CV論文推薦】 初學(xué)GAN必須要讀的文章
【每周CV論文推薦】 深度學(xué)習(xí)人臉檢測入門必讀文章
【每周CV論文推薦】 初學(xué)深度學(xué)習(xí)人臉關(guān)鍵點檢測必讀文章
【每周CV論文推薦】 初學(xué)深度學(xué)習(xí)人臉識別和驗證必讀文章
總結(jié)
以上是生活随笔為你收集整理的【每周CV论文推荐】 初学活体检测与伪造人脸检测必读的文章的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【AI产品】如何让Google的AI给你
- 下一篇： 【每周CV论文推荐】 初学深度学习人脸属