《表2 不同方案使用混合池化网络在CASIA-FASD数据集中7种场景下的EER》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合混合池化的双流人脸活体检测网络》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:加粗字体表示最优结果。

表1和表2展现了不同方案在CASIA-FASD数据集中7种场景下的EER，表1没有加入空间金字塔和全局平局混合池化，表2加入了空间金字塔和全局平局混合池化。可以看出，增加了空间金字塔和全局平均混合池化后取得了更好的结果，用RGB颜色空间作为输入的空间流的EER从2.963%降到2.141%。时间流上的EER从11.414%降到9.005%。在空间流上，进行了不同通道以及多通道堆叠的实验。可以看出，在本文提出的结构中，RGB通道表现出了更好的结果，原因是RGB到YCrCb可以通过线性变换得到，而这正是卷积神经网络所擅长的。在时间流上，单个时间流表现欠佳，为9.005%。但与空间流融合后有所提升，达到1.701%。通过对CASIA-FASD的7种不同场景进行测试可以看出，本文方法对于正常质量下的图像具有更好的鉴别能力，而对于不同的欺诈方式表现结果差别不是太大。