論文の概要: Meta-Teacher For Face Anti-Spoofing
- arxiv url: http://arxiv.org/abs/2111.06638v1
- Date: Fri, 12 Nov 2021 10:09:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-15 13:30:54.678044
- Title: Meta-Teacher For Face Anti-Spoofing
- Title(参考訳): 対面防止のためのメタ教師
- Authors: Yunxiao Qin, Zitong Yu, Longbin Yan, Zezheng Wang, Chenxu Zhao, Zhen
Lei
- Abstract要約: Face Anti-Spoofing (FAS)は、プレゼンテーションアタック(PA)から顔認識を保護する
本稿では,PA検出器をより効果的に監視するためのメタティーチンガーを訓練するための新しいメタティーチンガーFAS(MT-FAS)法を提案する。
- 参考スコア(独自算出の注目度): 46.604960860807154
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face anti-spoofing (FAS) secures face recognition from presentation attacks
(PAs). Existing FAS methods usually supervise PA detectors with handcrafted
binary or pixel-wise labels. However, handcrafted labels may are not the most
adequate way to supervise PA detectors learning sufficient and intrinsic
spoofing cues. Instead of using the handcrafted labels, we propose a novel
Meta-Teacher FAS (MT-FAS) method to train a meta-teacher for supervising PA
detectors more effectively. The meta-teacher is trained in a bi-level
optimization manner to learn the ability to supervise the PA detectors learning
rich spoofing cues. The bi-level optimization contains two key components: 1) a
lower-level training in which the meta-teacher supervises the detector's
learning process on the training set; and 2) a higher-level training in which
the meta-teacher's teaching performance is optimized by minimizing the
detector's validation loss. Our meta-teacher differs significantly from
existing teacher-student models because the meta-teacher is explicitly trained
for better teaching the detector (student), whereas existing teachers are
trained for outstanding accuracy neglecting teaching ability. Extensive
experiments on five FAS benchmarks show that with the proposed MT-FAS, the
trained meta-teacher 1) provides better-suited supervision than both
handcrafted labels and existing teacher-student models; and 2) significantly
improves the performances of PA detectors.
- Abstract(参考訳): Face Anti-Spoofing (FAS)は、プレゼンテーションアタック(PA)から顔認識を保証する。
既存のFAS法は通常、手作りのバイナリまたはピクセルワイドラベルでPA検出器を監督する。
しかし、手作りラベルはPA検出器を十分に学習し、本質的なスプーフィングキューを監督する最も適切な方法ではないかもしれない。
そこで本研究では,手作りラベルの代わりに,PA検出器をより効果的に監視するためのメタティーチンガー(MT-FAS)法を提案する。
メタ教師は双方向の最適化方法で訓練され、PA検出器の監視能力を学ぶ。
バイレベル最適化には2つの重要な要素がある。
1) メタ教師が学習セット上で検出器の学習プロセスを監督する下位レベルの訓練
2)検知器の検証損失を最小限に抑え,メタ教師の指導性能を最適化した高レベルの訓練を行う。
メタ教師は検出器(学習者)をより良く教えるために明示的に訓練されているのに対し、既存の教師は指導能力を無視した優れた精度で訓練されている。
5つのfasベンチマークに関する広範囲な実験により、mt-fasが提案された。
1) 手作りラベル及び既存の教師教育モデルよりも適切な監督を提供する。
2) PA検出器の性能は大幅に向上した。
関連論文リスト
- Guarded Policy Optimization with Imperfect Online Demonstrations [32.22880650876471]
Teacher-Student Frameworkは、教師エージェントが学生エージェントのトレーニングをガードする強化学習環境である。
成績の良い教師の政策を得るのは費用がかかるか、あるいは不可能である。
そこで我々は,任意の教師ポリシーを質素あるいは劣悪な性能で組み込む新しい手法を開発した。
論文 参考訳(メタデータ) (2023-03-03T06:24:04Z) - Teach-DETR: Better Training DETR with Teachers [43.37671158294093]
Teach-DETRは、多用途の教師検出器からより優れたDETRベースの検出器を学習するためのトレーニングスキームである。
我々は,Swin-Largeバックボーン,4スケールの機能マップ,36エポックトレーニングスケジュールによる最先端検出器DINOの改良を行った。
論文 参考訳(メタデータ) (2022-11-22T02:16:53Z) - Better Teacher Better Student: Dynamic Prior Knowledge for Knowledge
Distillation [70.92135839545314]
本研究では,教師の持つ特徴の一部を,特徴蒸留前の先行知識として統合した動的事前知識(DPK)を提案する。
DPKは,教員モデルと生徒モデルのパフォーマンスを正に相関させ,より大きな教員を適用することで生徒の精度をさらに高めることができる。
論文 参考訳(メタデータ) (2022-06-13T11:52:13Z) - Knowledge Distillation for Object Detection via Rank Mimicking and
Prediction-guided Feature Imitation [34.441349114336994]
本研究では,一段検出器を蒸留するためのランクミミキング (RM) と予測誘導特徴模擬 (PFI) を提案する。
RMは、教師からの候補ボックスのランクを、蒸留のための新しい種類の知識として捉えている。
PFIは、特徴差と予測差との相関を図り、特徴の模倣を直接して生徒の精度を向上させる。
論文 参考訳(メタデータ) (2021-12-09T11:19:15Z) - Activation to Saliency: Forming High-Quality Labels for Unsupervised
Salient Object Detection [54.92703325989853]
本稿では,高品質なサリエンシキューを効果的に生成する2段階アクティベーション・ツー・サリエンシ(A2S)フレームワークを提案する。
トレーニングプロセス全体において、私たちのフレームワークにヒューマンアノテーションは関与していません。
本フレームワークは,既存のUSOD法と比較して高い性能を示した。
論文 参考訳(メタデータ) (2021-12-07T11:54:06Z) - Self-Training with Differentiable Teacher [80.62757989797095]
自己学習は、様々な半教師付きおよび弱教師付き学習タスクで大きな成功を収める。
この手法は、教師が擬似ラベルを生成し、生徒が予測を行う教師学生の枠組みとして解釈できる。
そこで我々は,教師学生をStackelbergゲームとして扱う,差別化可能な自己学習法を提案する。
論文 参考訳(メタデータ) (2021-09-15T02:06:13Z) - PGTRNet: Two-phase Weakly Supervised Object Detection with Pseudo Ground
Truth Refining [10.262660606897974]
画像レベルのアノテーションだけで検知器を訓練することを目的とした弱い監視対象検出(WSOD)が注目されている。
現在の最先端のアプローチは、主に2段階のトレーニング戦略に従い、完全な教師付き検出器(FSD)と純粋なWSODモデルを統合する。
2相WSODアプローチの性能を阻害する主な問題は2つある。すなわち、不十分な学習問題と、WSODモデルによって生成されたFSDと擬似基底真理との厳密な依存である。
本稿では, 単純かつ効果的な手法である擬似基底真理改善ネットワーク(PGTRNet)を提案する。
論文 参考訳(メタデータ) (2021-08-25T19:20:49Z) - Graph Consistency based Mean-Teaching for Unsupervised Domain Adaptive
Person Re-Identification [54.58165777717885]
本論文では,教師ネットワークと学生ネットワークの間にGCC(Graph Consistency Constraint)を構築するためのGCMT(Graph Consistency Based Mean-Teaching)手法を提案する。
マーケット-1501、デュークMTMCreID、MSMT17の3つのデータセットの実験により、提案されたGCMTは最先端の手法よりも明確なマージンで優れていることが示された。
論文 参考訳(メタデータ) (2021-05-11T04:09:49Z) - MimicDet: Bridging the Gap Between One-Stage and Two-Stage Object
Detection [65.74032877197844]
1段の検出器は、単純なアーキテクチャのためより効率的だが、2段の検出器は依然として精度でリードしている。
2段階特徴を直接模倣して1段階検出器を訓練する新しいフレームワークであるMimicDetを提案する。
マイクロメソッドは1段と2段の検出器で共有されたバックボーンを持ち、それから2つのヘッドに分岐する。
論文 参考訳(メタデータ) (2020-09-24T07:36:58Z)
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。