論文の概要: DRL-FAS: A Novel Framework Based on Deep Reinforcement Learning for Face Anti-Spoofing

• arxiv url: http://arxiv.org/abs/2009.07529v2
• Date: Fri, 18 Sep 2020 06:08:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 00:22:37.385232
• Title: DRL-FAS: A Novel Framework Based on Deep Reinforcement Learning for Face Anti-Spoofing
• Title（参考訳）: DRL-FAS:顔アンチスプーフィングのための深層強化学習に基づく新しいフレームワーク
• Authors: Rizhao Cai, Haoliang Li, Shiqi Wang, Changsheng Chen, and Alex Chichung Kot
• Abstract要約: 畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)に基づく新しいフレームワークを提案する。 特に、深層強化学習を活用して、画像サブパッチから顔スプーフィング関連情報を探索する動作をモデル化する。 分類の目的のために、ローカル情報をグローバルな情報と融合させ、CNNを通して元の入力画像から学習することができる。
• 参考スコア（独自算出の注目度）: 34.68682691052962
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inspired by the philosophy employed by human beings to determine whether a presented face example is genuine or not, i.e., to glance at the example globally first and then carefully observe the local regions to gain more discriminative information, for the face anti-spoofing problem, we propose a novel framework based on the Convolutional Neural Network (CNN) and the Recurrent Neural Network (RNN). In particular, we model the behavior of exploring face-spoofing-related information from image sub-patches by leveraging deep reinforcement learning. We further introduce a recurrent mechanism to learn representations of local information sequentially from the explored sub-patches with an RNN. Finally, for the classification purpose, we fuse the local information with the global one, which can be learned from the original input image through a CNN. Moreover, we conduct extensive experiments, including ablation study and visualization analysis, to evaluate our proposed framework on various public databases. The experiment results show that our method can generally achieve state-of-the-art performance among all scenarios, demonstrating its effectiveness.
• Abstract（参考訳）: 提案する顔の例が本物かどうかを判断するために,人間によって採用された哲学,すなわち,まずグローバルに見つめ,その地域を慎重に観察し,より差別的な情報を得るために,顔の反偽造問題に対して,コンボリューショナルニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)に基づく新しい枠組みを提案する。 特に,深層強化学習を活用し,画像サブパッチから顔スプーフィング関連情報を探索する動作をモデル化する。 さらに,rnnを用いて探索したサブパッチから局所情報の表現を逐次学習するリカレント機構を導入する。 最後に、分類目的のために、ローカル情報をグローバルなものと融合させ、CNNを通して元の入力画像から学習することができる。 さらに,アブリレーション研究や可視化分析を含む広範な実験を行い,提案するフレームワークを様々な公開データベース上で評価する。 実験結果から,本手法はすべてのシナリオで最先端性能を達成でき,その有効性が示された。

関連論文リスト

• Manipulating Feature Visualizations with Gradient Slingshots [54.31109240020007]
  本稿では,モデルの決定過程に大きな影響を及ぼすことなく,特徴可視化(FV)を操作する新しい手法を提案する。 ニューラルネットワークモデルにおける本手法の有効性を評価し,任意の選択したニューロンの機能を隠蔽する能力を示す。
  論文  参考訳（メタデータ） (2024-01-11T18:57:17Z)
• Entity-Conditioned Question Generation for Robust Attention Distribution in Neural Information Retrieval [51.53892300802014]
  教師付きニューラル情報検索モデルでは,通過トークンよりも疎注意パターンを学習することが困難であることを示す。 目的とする新しい合成データ生成手法を用いて、与えられた通路内の全てのエンティティに対して、より均一で堅牢な参加をニューラルIRに教える。
  論文  参考訳（メタデータ） (2022-04-24T22:36:48Z)
• Multi-Branch Deep Radial Basis Function Networks for Facial Emotion Recognition [80.35852245488043]
  放射状基底関数(RBF)ユニットによって形成された複数の分岐で拡張されたCNNベースのアーキテクチャを提案する。 RBFユニットは、中間表現を用いて類似のインスタンスで共有される局所パターンをキャプチャする。 提案手法は,提案手法の競争力を高めるためのローカル情報の導入であることを示す。
  論文  参考訳（メタデータ） (2021-09-07T21:05:56Z)
• Explainable Adversarial Attacks in Deep Neural Networks Using Activation Profiles [69.9674326582747]
  本稿では,敵対的事例に基づくニューラルネットワークモデルを検討するためのビジュアルフレームワークを提案する。 これらの要素を観察することで、モデル内の悪用領域を素早く特定できることを示す。
  論文  参考訳（メタデータ） (2021-03-18T13:04:21Z)
• Generate and Verify: Semantically Meaningful Formal Analysis of Neural Network Perception Systems [2.2559617939136505]
  ニューラルネットワーク認識システムの精度を評価するためにテストが続けられている。 我々は、モデルが常に基底真理に結びついたある誤差内で推定を生成することを証明するために、ニューラルネットワークの検証を用いる。
  論文  参考訳（メタデータ） (2020-12-16T23:09:53Z)
• Probabilistic Federated Learning of Neural Networks Incorporated with Global Posterior Information [4.067903810030317]
  フェデレートラーニングでは、ローカルクライアントで訓練されたモデルをグローバルモデルに蒸留する。 本稿では,確率的フェデレーションニューラルネットワークの拡張手法を提案する。 我々の新しい手法は、単一のコミュニケーションラウンドと追加のコミュニケーションラウンドの両方において、一般的な最先端のフェデレーション学習方法より優れています。
  論文  参考訳（メタデータ） (2020-12-06T03:54:58Z)
• Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
  顔認識システムのセキュリティには、顔の偽造が不可欠だ。 本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
  論文  参考訳（メタデータ） (2020-08-19T03:54:23Z)
• Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
  我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。 人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。 実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-05-15T23:57:36Z)
• A Detailed Look At CNN-based Approaches In Facial Landmark Detection [5.774786149181392]
  CNNベースのアプローチは回帰とヒートマップのアプローチに分けられる。 本稿では,CNNに基づくアプローチの両面について検討し,その利点と欠点を一般化し,ヒートマップアプローチのバリエーションを導入する。 包括的評価を行い,提案モデルが全テストデータセットにおいて,他のモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-05-08T16:17:42Z)
• Learning representations in Bayesian Confidence Propagation neural networks [0.0]
  階層的表現の教師なし学習は、ディープラーニングにおける最も活発な研究方向の1つである。 本研究は,局所的なヘビアン学習に基づくニューラルネットワークにおける非教師なし戦略を生物学的にインスピレーションした研究である。
  論文  参考訳（メタデータ） (2020-03-27T13:47:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。