《表1 防伪攻击检测网络性能比较》
本文在的所有实验在实验测试平台(CPU:i5 7500 GPU:GTX1080ti)上进行,深度学习框架使用PyTorch[8]。防伪攻击检测网络的训练集和测试集,均采用CASIA-SURF[9]。由表1可以看出,我们所提出利用多模态信息同时作为输入,相比于传统的只利用彩色图像进行输入的方法,对伪造人脸的平均分类错误率(ACER)从13.3%下降到了6.7%,下降了6.3个百分点。可以看出利用多个模态信息协同检测伪造人脸攻击的方法是切实有效的一种方法。其次在错误接受率(FAR)分别为0.01、0.001、0.0001的情况下,网络的真真率(TPR)分别可以达到96.1%、80.2%、60.8%,相比于单一彩色图,分别有着43.8%、53.6%、44.6%的性能提升。
图表编号 | XD00157231200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 纪侨斌、徐树公 |
绘制单位 | 上海大学通信与信息工程学院、上海大学通信与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |