論文の概要: Domain Generalization with Pseudo-Domain Label for Face Anti-Spoofing

• arxiv url: http://arxiv.org/abs/2107.06552v1
• Date: Wed, 14 Jul 2021 08:35:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-15 14:27:37.605126
• Title: Domain Generalization with Pseudo-Domain Label for Face Anti-Spoofing
• Title（参考訳）: Pseudo-Domain Labelによる顔アンチスプーフィングのためのドメイン一般化
• Authors: Young Eun Kim and Seong-Whan Lee
• Abstract要約: フェース・アンチ・スプーフィング(FAS)は、顔表現攻撃から顔認識システムを保護する上で重要な役割を担っている。 本稿では,クラスタ化された畳み込み特徴統計を用いて,ネットワークが自身のドメインを判断できる手法を提案する。
• 参考スコア（独自算出の注目度）: 27.65463892151642
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face anti-spoofing (FAS) plays an important role in protecting face recognition systems from face representation attacks. Many recent studies in FAS have approached this problem with domain generalization technique. Domain generalization aims to increase generalization performance to better detect various types of attacks and unseen attacks. However, previous studies in this area have defined each domain simply as an anti-spoofing datasets and focused on developing learning techniques. In this paper, we proposed a method that enables network to judge its domain by itself with the clustered convolutional feature statistics from intermediate layers of the network, without labeling domains as datasets. We obtained pseudo-domain labels by not only using the network extracting features, but also using depth estimators, which were previously used only as an auxiliary task in FAS. In our experiments, we trained with three datasets and evaluated the performance with the remaining one dataset to demonstrate the effectiveness of the proposed method by conducting a total of four sets of experiments.
• Abstract（参考訳）: face anti-spoofing (fas) は顔認識システムを顔表現攻撃から守る上で重要な役割を担っている。 FASにおける最近の多くの研究が領域一般化技術を用いてこの問題にアプローチしている。 ドメインの一般化は、様々な種類の攻撃や目に見えない攻撃をよりよく検出するために、一般化性能を高めることを目的としている。 しかし、この領域における過去の研究は、各ドメインを単にアンチ・スプーフィング・データセットとして定義し、学習技術の開発に重点を置いている。 本稿では,ドメインをデータセットとしてラベル付けすることなく,ネットワークの中間層からの畳み込み特徴統計を用いて,ネットワークのドメインをそれ自体で判断する手法を提案する。 ネットワーク抽出機能だけでなく,これまでFASの補助的タスクとしてのみ使用されていた深度推定器を用いて,擬似ドメインラベルを得た。 実験では,3つのデータセットを用いてトレーニングを行い,残りの1つのデータセットを用いて評価を行い,合計4種類の実験を行うことで提案手法の有効性を実証した。

関連論文リスト

• Cyclically Disentangled Feature Translation for Face Anti-spoofing [61.70377630461084]
  循環不整合特徴変換ネットワーク(CDFTN)と呼ばれる新しい領域適応手法を提案する。 CDFTNは、(1)ソースドメイン不変の生長特徴と2)ドメイン固有のコンテンツ特徴とを持つ擬似ラベル付きサンプルを生成する。 ソースドメインラベルの監督の下で、合成擬似ラベル付き画像に基づいてロバスト分類器を訓練する。
  論文  参考訳（メタデータ） (2022-12-07T14:12:34Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• Deep face recognition with clustering based domain adaptation [57.29464116557734]
  そこで本研究では,ターゲットドメインとソースがクラスを共有しない顔認識タスクを対象とした,クラスタリングに基づく新しいドメイン適応手法を提案する。 本手法は,特徴領域をグローバルに整列させ,その一方で,対象クラスタを局所的に識別することで,識別対象特徴を効果的に学習する。
  論文  参考訳（メタデータ） (2022-05-27T12:29:11Z)
• One-Class Knowledge Distillation for Face Presentation Attack Detection [53.30584138746973]
  本稿では,一級ドメイン適応による対面PADのクロスドメイン性能向上のための教師学生フレームワークを提案する。 学生ネットワークは、教師ネットワークを模倣し、ターゲットドメインの真の顔サンプルの類似した表現を学ぶために訓練される。 テストフェーズでは、教師と学生ネットワークの表現の類似度スコアを用いて、真の攻撃と区別する。
  論文  参考訳（メタデータ） (2022-05-08T06:20:59Z)
• Generalizable Representation Learning for Mixture Domain Face Anti-Spoofing [53.82826073959756]
  ドメイン一般化(DG)に基づく対スプーフィングアプローチは、予期せぬシナリオの堅牢性のために注目を集めています。 ドメインダイナミック調整メタラーニング(D2AM)についてドメインラベルを使わずに提案する。 この制限を克服するため,ドメインダイナミック調整メタラーニング(D2AM)を提案する。
  論文  参考訳（メタデータ） (2021-05-06T06:04:59Z)
• Adversarial Unsupervised Domain Adaptation Guided with Deep Clustering for Face Presentation Attack Detection [0.8701566919381223]
  顔提示攻撃検知(PAD)は顔認識システムを確保するために注目されている。 PAD一般化能力を改善するために,ドメイン適応(DA)に基づくエンドツーエンド学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-13T05:34:40Z)
• Cross-domain Object Detection through Coarse-to-Fine Feature Adaptation [62.29076080124199]
  本稿では,クロスドメインオブジェクト検出のための特徴適応手法を提案する。 粗粒度では、アテンション機構を採用して前景領域を抽出し、その辺縁分布に応じて整列する。 粒度の細かい段階では、同じカテゴリのグローバルプロトタイプと異なるドメインとの距離を最小化することにより、前景の条件分布アライメントを行う。
  論文  参考訳（メタデータ） (2020-03-23T13:40:06Z)

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。