論文の概要: Cross Modal Focal Loss for RGBD Face Anti-Spoofing

• arxiv url: http://arxiv.org/abs/2103.00948v1
• Date: Mon, 1 Mar 2021 12:22:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-05 16:23:18.557575
• Title: Cross Modal Focal Loss for RGBD Face Anti-Spoofing
• Title（参考訳）: RGBD顔面アンチスプーフィングのためのクロスモーダル焦点損失
• Authors: Anjith George and Sebastien Marcel
• Abstract要約: 本稿では,RGBと深度チャネルと新たな損失関数を用いたプレゼンテーション攻撃検出(PAD)のための新しいフレームワークを提案する。 新しいアーキテクチャは、2つのモダリティからの補完的な情報を使用し、オーバーフィットの影響を減らします。
• 参考スコア（独自算出の注目度）: 4.36572039512405
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatic methods for detecting presentation attacks are essential to ensure the reliable use of facial recognition technology. Most of the methods available in the literature for presentation attack detection (PAD) fails in generalizing to unseen attacks. In recent years, multi-channel methods have been proposed to improve the robustness of PAD systems. Often, only a limited amount of data is available for additional channels, which limits the effectiveness of these methods. In this work, we present a new framework for PAD that uses RGB and depth channels together with a novel loss function. The new architecture uses complementary information from the two modalities while reducing the impact of overfitting. Essentially, a cross-modal focal loss function is proposed to modulate the loss contribution of each channel as a function of the confidence of individual channels. Extensive evaluations in two publicly available datasets demonstrate the effectiveness of the proposed approach.
• Abstract（参考訳）: 顔認識技術の信頼性を確保するためには,プレゼンテーションアタックの自動検出手法が不可欠である。 プレゼンテーション攻撃検出(PAD)の文献で利用可能な方法のほとんどは、目に見えない攻撃の一般化に失敗します。 近年,PADシステムの堅牢性向上のためにマルチチャネル方式が提案されている。 多くの場合、これらの方法の有効性を制限する追加のチャネルのために限られた量のデータしか利用できません。 本研究では,新しい損失関数とともに,RGBと奥行きチャネルを用いたPADのための新しいフレームワークを提案する。 新しいアーキテクチャは、2つのモダリティからの補完的な情報を使用し、オーバーフィットの影響を減らします。 本質的には、個々のチャネルの信頼度関数として各チャネルの損失寄与を変調するために、クロスモーダルな焦点損失関数を提案する。 2つの公開データセットにおける広範な評価は、提案されたアプローチの有効性を示す。

関連論文リスト

• Cross-Modality Perturbation Synergy Attack for Person Re-identification [66.48494594909123]
  相互モダリティReIDの主な課題は、異なるモダリティ間の視覚的差異を効果的に扱うことである。 既存の攻撃方法は、目に見える画像のモダリティの特徴に主に焦点を当てている。 本研究では,クロスモーダルReIDに特化して設計されたユニバーサル摂動攻撃を提案する。
  論文  参考訳（メタデータ） (2024-01-18T15:56:23Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Learning from Multi-Perception Features for Real-Word Image Super-resolution [87.71135803794519]
  入力画像の複数の知覚的特徴を利用する新しいSR手法MPF-Netを提案する。 本稿では,MPFEモジュールを組み込んで,多様な知覚情報を抽出する手法を提案する。 また、モデルの学習能力を向上する対照的な正規化項(CR)も導入する。
  論文  参考訳（メタデータ） (2023-05-26T07:35:49Z)
• Efficient Deep Unfolding for SISO-OFDM Channel Estimation [0.0]
  スパースリカバリ技術を用いてSISO-OFDMチャネル推定を行うことができる。 本稿では,この制約を緩和するために,展開ニューラルネットワークを用いる。 教師なしのオンライン学習は、推定性能を高めるためにシステムの欠陥を学習することができる。
  論文  参考訳（メタデータ） (2022-10-11T11:29:54Z)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• Fingerprint Presentation Attack Detection by Channel-wise Feature Denoising [18.933809452711163]
  指紋認識システム(AFRS)は悪意のある攻撃に対して脆弱である。 現在のフィンガープリント提示攻撃検出法は、新しい攻撃材料やセンサー設定下では、しばしばロバスト性に欠ける。 本稿では,CFD-PAD (Channel-wise Feature Denoising fingerprint PAD) 法を提案する。
  論文  参考訳（メタデータ） (2021-11-15T09:13:21Z)
• Learnable Multi-level Frequency Decomposition and Hierarchical Attention Mechanism for Generalized Face Presentation Attack Detection [7.324459578044212]
  顔提示攻撃検知(PAD)は多くの注目を集めており、顔認識システムを保護する上で重要な役割を果たしている。 両ストリーム畳み込みニューラルネットワーク(CNN)フレームワークを提案する。 ステップワイドアブレーション研究において提案したPAD法の設計を実証した。
  論文  参考訳（メタデータ） (2021-09-16T13:06:43Z)
• Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
  大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。 一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。 本稿では2つの新しい推定法を提案する。
  論文  参考訳（メタデータ） (2021-09-06T13:42:32Z)
• Towards Transferable Adversarial Attack against Deep Face Recognition [58.07786010689529]
  ディープ畳み込みニューラルネットワーク(DCNN)は敵の例に弱いことが判明した。 転送可能な敵の例は、DCNNの堅牢性を著しく妨げます。 DFANetは畳み込み層で使用されるドロップアウトベースの手法であり,サロゲートモデルの多様性を高めることができる。 クエリなしで4つの商用APIをうまく攻撃できる新しい対向顔ペアを生成します。
  論文  参考訳（メタデータ） (2020-04-13T06:44:33Z)

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。