《表1 实验中使用的欺诈检测数据集的详细情况》

  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

《基于前向学习网络的人脸欺诈检测》

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

在实验中，考虑了少样本人脸欺诈检测场景，也就是训练样本的数量较少，并且没有其他额外的数据．少样本欺诈检测是实际中经常遇到的，此时收集大量的真实样本和欺诈样本的成本较高．为了衡量所提算法相比其他算法在少样本欺诈检测场合下的性能，从每段视频的前几秒中提取视频帧．对于CASIA-FASD数据集，提取每段视频的前1/10，共提取了10 824帧视频．对于ReplayAttack数据集，提取每段视频的前1/10，共提取了34 599帧视频．对于OULU-NPU数据集，提取每段视频的前1/20，共提取了36 038帧视频．对于每个人，假设录像时间远远短于原来的录像时间．对于CASIA-FASD和Replay-Attack数据集，将录像时间缩短至原来的1/10．对于OULU-NPU数据集，将录像时间缩短至原来的1/20，每个人的录像时间在5 s左右，现在只使用大约前1/4 s中的帧．对于CASIA-FASD和Replay-Attack数据集，每个人的录像时间在10 s左右，现在只使用大约前1 s中的帧．在实际中，录制大量不同人、不同类型的长时间视频的成本较高．表1中给出了每个数据集的详细情况．经过人脸检测[18]后，将检测的人脸区域调整为一幅200×200的图像．