論文の概要: MixNet for Generalized Face Presentation Attack Detection
- arxiv url: http://arxiv.org/abs/2010.13246v1
- Date: Sun, 25 Oct 2020 23:01:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 05:06:43.590885
- Title: MixNet for Generalized Face Presentation Attack Detection
- Title（参考訳）: 汎用顔提示検出のためのMixNet
- Authors: Nilay Sanghvi, Sushant Kumar Singh, Akshay Agarwal, Mayank Vatsa, and
Richa Singh
- Abstract要約: 我々は、プレゼンテーションアタックを検出するための、TextitMixNetと呼ばれるディープラーニングベースのネットワークを提案している。
提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを利用して,各攻撃カテゴリの特徴マッピングを学習する。
- 参考スコア（独自算出の注目度）: 63.35297510471997
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The non-intrusive nature and high accuracy of face recognition algorithms
have led to their successful deployment across multiple applications ranging
from border access to mobile unlocking and digital payments. However, their
vulnerability against sophisticated and cost-effective presentation attack
mediums raises essential questions regarding its reliability. In the
literature, several presentation attack detection algorithms are presented;
however, they are still far behind from reality. The major problem with
existing work is the generalizability against multiple attacks both in the seen
and unseen setting. The algorithms which are useful for one kind of attack
(such as print) perform unsatisfactorily for another type of attack (such as
silicone masks). In this research, we have proposed a deep learning-based
network termed as \textit{MixNet} to detect presentation attacks in
cross-database and unseen attack settings. The proposed algorithm utilizes
state-of-the-art convolutional neural network architectures and learns the
feature mapping for each attack category. Experiments are performed using
multiple challenging face presentation attack databases such as SMAD and Spoof
In the Wild (SiW-M) databases. Extensive experiments and comparison with
existing state of the art algorithms show the effectiveness of the proposed
algorithm.
- Abstract（参考訳）: 非侵襲的な性質と顔認識アルゴリズムの高精度さにより、国境アクセスからモバイルアンロック、デジタル支払いまで、複数のアプリケーションにまたがるデプロイに成功した。
しかし、高度で費用効果の高いプレゼンテーション攻撃媒体に対する脆弱性は、信頼性に関する重要な疑問を提起する。
文献では,いくつかの攻撃検出アルゴリズムが提示されているが,現実からは程遠い。
既存の作業の大きな問題は、目に見えるものも目に見えないものも、複数の攻撃に対する一般化性である。
ある種類の攻撃(印刷など)に有用なアルゴリズムは、別の種類の攻撃(シリコンマスクなど)に対して不満足に実行する。
本研究では,クロスデータベースおよびアンセエン攻撃設定におけるプレゼンテーション攻撃を検出するために, \textit{mixnet} と呼ばれるディープラーニングベースのネットワークを提案する。
提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを用いて,攻撃カテゴリーごとに特徴マッピングを学習する。
実験は、SMADやSpoof In the Wild (SiW-M)データベースのような複数の挑戦的な顔提示攻撃データベースを使用して実施される。
大規模実験と現状のアルゴリズムとの比較により,提案アルゴリズムの有効性が示された。
関連論文リスト
- Imperceptible Face Forgery Attack via Adversarial Semantic Mask [59.23247545399068]
本稿では, 対向性, 可視性に優れた対向性例を生成できるASMA(Adversarial Semantic Mask Attack framework)を提案する。
具体的には, 局所的なセマンティック領域の摂動を抑制し, 良好なステルス性を実現する, 対向型セマンティックマスク生成モデルを提案する。
論文 参考訳（メタデータ） (2024-06-16T10:38:11Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - A Novel Active Solution for Two-Dimensional Face Presentation Attack
Detection [0.0]
本研究では,プレゼンテーション攻撃検出に関わる課題と解決策について,現状を考察する。
プレゼンテーションアタックは、写真、ビデオ、マスク、化粧など、生きていない顔をカメラに提示する試みである。
本稿では,既存の文献の弱点を克服する効果的な能動的提示攻撃検出手法を提案する。
論文 参考訳（メタデータ） (2022-12-14T00:30:09Z) - Geometrically Adaptive Dictionary Attack on Face Recognition [23.712389625037442]
顔認証に対するクエリ効率の良いブラックボックス攻撃のための戦略を提案する。
中心となるアイデアは、UVテクスチャマップに逆方向の摂動を作り、それを画像の顔に投影することです。
LFWデータセットとCPLFWデータセットの実験において、圧倒的な性能改善を示す。
論文 参考訳（メタデータ） (2021-11-08T10:26:28Z) - A Compact Deep Learning Model for Face Spoofing Detection [4.250231861415827]
プレゼンテーションアタック検出(PAD)は研究コミュニティから大きな注目を集めている。
我々は、統一されたニューラルネットワークアーキテクチャにおいて、幅広い機能と深い機能の両方を融合することで、この問題に対処する。
この手順は、ROSE-Youtu、SiW、NUAA Imposterなどのさまざまなスプーフィングデータセットで行われます。
論文 参考訳（メタデータ） (2021-01-12T21:20:09Z) - Attack Agnostic Adversarial Defense via Visual Imperceptible Bound [70.72413095698961]
本研究の目的は、目視攻撃と目視攻撃の両方に対して一定の範囲内で堅牢な防衛モデルを設計することである。
提案するディフェンスモデルは,MNIST,CIFAR-10,Tiny ImageNetデータベース上で評価される。
提案アルゴリズムは攻撃非依存であり,攻撃アルゴリズムの知識を必要としない。
論文 参考訳（メタデータ） (2020-10-25T23:14:26Z) - Generalized Iris Presentation Attack Detection Algorithm under
Cross-Database Settings [63.90855798947425]
プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。
本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。
これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
論文 参考訳（メタデータ） (2020-10-25T22:42:27Z) - Learning One Class Representations for Face Presentation Attack
Detection using Multi-channel Convolutional Neural Networks [7.665392786787577]
プレゼンテーションアタック検出(PAD)メソッドは、目に見えないアタックを一般化するのに失敗することが多い。
マルチチャネル畳み込みニューラルネットワーク(MCCNN)で学習する一クラス分類器を用いたPADのための新しいフレームワークを提案する。
新たな損失関数が導入されたため、ネットワークは攻撃の表現から遠ざかって、ボナフィドクラスのコンパクトな埋め込みを学習せざるを得なくなった。
提案フレームワークは,ボナフィドおよび(既知の)攻撃クラスから堅牢なPADシステムを学習するための新しいアプローチを導入する。
論文 参考訳（メタデータ） (2020-07-22T14:19:33Z) - Anomaly Detection-Based Unknown Face Presentation Attack Detection [74.4918294453537]
異常検出に基づくスプーフ攻撃検出は、顔提示攻撃検出の最近の進歩である。
本稿では,異常検出に基づくスプーフ攻撃検出のためのディープラーニングソリューションを提案する。
提案手法はCNNの表現学習能力の恩恵を受け,fPADタスクの優れた特徴を学習する。
論文 参考訳（メタデータ） (2020-07-11T21:20:55Z)
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。