論文の概要: Liveness score-based regression neural networks for face anti-spoofing
- arxiv url: http://arxiv.org/abs/2302.09461v2
- Date: Tue, 21 Mar 2023 00:14:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-23 23:44:26.518432
- Title: Liveness score-based regression neural networks for face anti-spoofing
- Title（参考訳）: 顔詐欺防止のためのライブネススコアに基づく回帰ニューラルネットワーク
- Authors: Youngjun Kwak, Minyoung Jung, Hunjae Yoo, JinHo Shin, Changick Kim
- Abstract要約: 従来のアンチ・スプーフィング手法では擬似マップやユーザ定義ラベルが用いられていた。
本稿では,サードパーティネットワークやユーザへの依存を克服するための,実効性スコアに基づく回帰ネットワークを提案する。
- 参考スコア（独自算出の注目度）: 21.54466370043777
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Previous anti-spoofing methods have used either pseudo maps or user-defined
labels, and the performance of each approach depends on the accuracy of the
third party networks generating pseudo maps and the way in which the users
define the labels. In this paper, we propose a liveness score-based regression
network for overcoming the dependency on third party networks and users. First,
we introduce a new labeling technique, called pseudo-discretized label encoding
for generating discretized labels indicating the amount of information related
to real images. Secondly, we suggest the expected liveness score based on a
regression network for training the difference between the proposed supervision
and the expected liveness score. Finally, extensive experiments were conducted
on four face anti-spoofing benchmarks to verify our proposed method on both
intra-and cross-dataset tests. The experimental results show our approach
outperforms previous methods.
- Abstract（参考訳）: 従来のアンチスプーフィング手法では、擬似マップかユーザ定義ラベルのいずれかを使用しており、それぞれのアプローチの性能は、擬似マップを生成するサードパーティネットワークの精度と、ユーザがそのラベルを定義する方法に依存する。
本稿では,サードパーティのネットワークやユーザへの依存を克服するためのライブネススコアに基づく回帰ネットワークを提案する。
まず,実画像に関連する情報量を示す離散ラベルを生成するために,擬似離散ラベル符号化と呼ばれる新しいラベル技術を導入する。
第2に,提案する監督と期待生活スコアの差異を学習するための回帰ネットワークに基づく期待生活スコアを提案する。
最後に,4つの顔反スプーフィングベンチマークを用いて実験を行い,提案手法の有効性を検証した。
実験の結果,提案手法は従来の手法よりも優れていた。
関連論文リスト
- Improving Weakly-Supervised Object Localization Using Adversarial Erasing and Pseudo Label [7.400926717561454]
本稿では,弱教師付きオブジェクトローカライゼーションの枠組みについて検討する。
それは、画像と画像レベルのクラスラベルのみを使用して、オブジェクトクラスとその位置を予測できるニューラルネットワークをトレーニングすることを目的としている。
論文 参考訳（メタデータ） (2024-04-15T06:02:09Z) - Deep Learning Based Face Recognition Method using Siamese Network [0.0]
本稿では,顔画像のラベル付けの必要性を解消し,顔認識にSiameseネットワークを採用することを提案する。
我々は、近隣の隣り合う負のサンプルを戦略的に活用することで、これを実現する。
提案した教師なしシステムは、類似しているが完全に教師付きベースラインと同等のパフォーマンスを提供する。
論文 参考訳（メタデータ） (2023-12-21T16:35:11Z) - Partial-Label Regression [54.74984751371617]
部分ラベル学習は、弱い教師付き学習環境であり、各トレーニング例に候補ラベルのセットをアノテートすることができる。
部分ラベル学習に関する従来の研究は、候補ラベルがすべて離散的な分類設定のみに焦点を当てていた。
本稿では,各トレーニング例に実値付き候補ラベルのセットをアノテートした部分ラベル回帰を初めて検討する。
論文 参考訳（メタデータ） (2023-06-15T09:02:24Z) - Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。
本稿では,新たな敵情報ネットワーク(AIN)を提案する。
論文 参考訳（メタデータ） (2023-05-23T02:14:11Z) - Neighbour Consistency Guided Pseudo-Label Refinement for Unsupervised
Person Re-Identification [80.98291772215154]
教師なしの人物再識別(ReID)は、アノテーションを使わずに人物検索のための識別的アイデンティティの特徴を学習することを目的としている。
近年の進歩はクラスタリングに基づく擬似ラベルを活用することで実現されている。
本稿では, Pseudo Label Refinement フレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-30T09:39:57Z) - A Systematic Evaluation of Node Embedding Robustness [77.29026280120277]
本研究では,ノード埋め込みモデルのランダムおよび逆毒攻撃に対する経験的ロバスト性を評価する。
ネットワーク特性とノードラベルを用いて計算したエッジの追加,削除,再切り替えの戦略を比較した。
その結果,ノード分類はネットワーク再構成とは対照的に,高い性能劣化に悩まされていることがわかった。
論文 参考訳（メタデータ） (2022-09-16T17:20:23Z) - Interpolation-based Correlation Reduction Network for Semi-Supervised
Graph Learning [49.94816548023729]
補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。
提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。
この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
論文 参考訳（メタデータ） (2022-06-06T14:26:34Z) - A-Optimal Active Learning [5.672898304129217]
部分的に探索することでデータセットを最適にラベル付けし、それを深層ネットワークのトレーニングに使用する方法を示す。
提案手法は,ラベルを推定し,ディープネットワークを訓練する上で極めて効率的であることを示す。
論文 参考訳（メタデータ） (2021-10-18T19:10:42Z) - MatchGAN: A Self-Supervised Semi-Supervised Conditional Generative
Adversarial Network [51.84251358009803]
本稿では,条件付き生成逆数ネットワーク(GAN)に対する,半教師付き環境下での自己教師型学習手法を提案する。
利用可能な数少ないラベル付きサンプルのラベル空間から無作為なラベルをサンプリングして拡張を行う。
本手法は,ベースラインのトレーニングに使用したラベル付きサンプルの20%に過ぎません。
論文 参考訳（メタデータ） (2020-06-11T17:14:55Z)
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。